[2E11-2E14] ポリマー・オリゴマー

[2E11] 機械学習ポテンシャルによるZiegler-Natta触媒ナノ構造の非経験的構造決定

○筑間 弘樹¹、高棹 玄徳¹、Behler Jörg²、谷池 俊明¹ (1. 北陸先端科学技術大学院大学、2. ゲオルク・アウグスト大学ゲッティンゲン)

キーワード：Ziegler-Natta catalyst, non-empirical structure determination, neural network

探索アルゴリズムと密度汎関数法（DFT）を組み合わせた非経験的な構造決定は触媒ナノ構造を解明するための有力な手法であるが、系の大規模化に対して探索空間および計算量が増大することによる計算コストの爆発が課題であった。本研究では、Zieglar-Natta触媒を対象としたDFTビッグデータに機械学習を適用することでDFTを代替できるポテンシャルを構築し、計算の高速化を図った。また、構築したポテンシャルによる構造決定を行った。