[17p-A401-1~15] 23.1 合同セッションN「インフォマティクス応用」

△ [17p-A401-4] グラフェン上の多様な結合種を予測可能な機械学習モデルの開発

〇(M1)西尾 健人¹、柴田 基洋^1,2、溝口 照康^1,2 (1.東大工、2.東大生研)

キーワード：マテリアルズインフォマティクス、グラフェン、グラフ畳み込みニューラルネットワーク

グラフェンとの間に異なる結合性を有する多様な元素種を吸着させた系の物性値および吸着サイト依存性を，同時に予測することが可能なモデルの構築を試みた．具体的には，単層グラフェン表面上に第四周期までの単原子を吸着させた構造を入力として，系の持つ形成エネルギーをグラフ畳み込みニューラルネットワークを用いて回帰した．その結果，最近報告されたモデルよりも高い精度で予測可能なモデルの構築に成功した．触媒探索などの応用上，多様な元素種に適用できる本研究のモデルは重要性が高い．