資料の紹介
デジタルトランスフォーメーション（DX）の波は、研究開発の分野にも押し寄せている。例えば素材開発では、実験データをデジタル化して蓄積し、データを機械学習にかけて、新材料の開発に生かす取り組みが増えてきた。機械学習モデルによるシミュレーションを活用することで、高精度の予測モデルの構築が可能になる。
しかし、機械学習のための実験データを十分にそろえることは容易ではない。実験にはコストや時間がかかるからだ。それ以前に、実験自体を行うことが難しい場合もある。
本動画では、素材開発のための機械学習で、不足しているデータを補完する分子シミュレーションについて解説する。分子シミュレーションでは、結晶や分子の3次元構造を入力すると、それに対応する材料特性データを得ることができる。これにより、コストがかかる実験をシミュレーションで代用する。また、候補となる分子構造の作成を自動化することもできる。さらに、組成や配合を変化させた時の特性の変化やそのメカニズムの解析も可能だという。
