著者一覧
久保百司　　東北大学　
岩崎富生　　(株)日立製作所　
藤井進　　(一財)ファインセラミックスセンター　
美多剛　　北海道大学　
畠山歓　　早稲田大学　
小柳津研一　　早稲田大学
島津博基　　(国研)科学技術振興機構　
髙橋一浩　　豊橋技術科学大学
熊谷隼人　　豊橋技術科学大学
藤枝俊宣　　東京工業大学


目次
-------------------------------------------------------------------------

【特集】データ駆動型科学による材料開発―マテリアルズインフォマティクスの展開～開発・実例編～

-------------------------------------------------------------------------

マテリアルズインフォマティクスによるナノ・バイオデバイス界面の設計
Design of Interfaces in Nano-Bio-Devices by Use of Materials Informatics

　マテリアルズインフォマティクス設計技術を駆使することで,環境配慮・人体影響配慮型材料(DNAとポリ乳酸)との密着強度を最大にする材料の設計指針として,幾何学的マッチングが重要であることを導いた。この結果の妥当性をスクラッチ試験で実証し,本技術の有効性を示すことができた。

【目次】
1　ナノ・バイオデバイス分野における界面密着強度の課題
2　DNAとの密着強度に優れたセラミックス材料を設計する解析モデル
3　高密着性材料の設計方法
　3.1　分子動力学による密着強度解析手法
　3.2　直交表による支配パラメータ選定方法
　3.3　応答曲面法による最適材料設計方法
4　最適設計の結果および考察
　4.1　密着強度の支配パラメータの選定結果
　4.2　最適設計の指針および結果の考察
5　結論

-------------------------------------------------------------------------

機械学習による結晶粒界の熱伝導度の高精度予測
Accurately Predicting Grain Boundary Thermal Conductivities Using a Machine Learning Approach

　結晶粒界の構造と物性の相関を解明することは材料科学の重要なテーマである。本稿では,MgO 粒界の熱伝導度を対象に,原子構造から物性を直接予測した研究成果を紹介する。構造記述子や階層的クラスタリングを活用して適切な入力パラメータを見出せば,単純な線形回帰でも高精度に熱伝導度を予測できることが明らかになった。

【目次】
1　はじめに
2　粒界熱伝導度の網羅的計算
3　熱伝導度の予測モデルと物理的解釈
4　おわりに

-------------------------------------------------------------------------

計算科学によるα-アミノ酸の合成経路予測と実験科学による具現化
Chemical Synthsis of α-Amino Acids Guided by Quantum Chemical Calculations

　従来の実験科学は,試行錯誤の繰り返しによる経験的な手法であり,一つの革新的な化学反応の開発にかかる時間や費用が研究者にとって大きな負担であった。それに対し,人工力誘起反応法(AFIR法)という量子化学計算を用いることで,目的の反応経路,および出発原料を予め予測することができる。この手法を活用して,α,α-ジフルオログリシン誘導体(グリシンの生物学的等価体)の化学合成をわずか2か月で達成した。

【目次】
1　量子化学計算による反応予測
2　ターゲット分子の選定
3　量子化学的逆合成解析,および出発物質の選定
4　速度論解析の活用
5　合成化学実験
6　今後への期待
7　おわりに

-------------------------------------------------------------------------

AIを活用した新規イオン伝導性高分子の探索と開発
Exploration of Ion-Conducting Polymers by Machine Learning

　マテリアルズ・インフォマティクス(MI)の実践に必要な基本スキームについて,全固体リチウムイオン電池の部材としても注目を集める高分子イオン伝導体の構造探索を例に解説する。我々が直面した課題や将来展望等も交えつつ,MIで“より良い材料”を得る為の方法論,課題,将来展望について紹介する。

【目次】
1　はじめに
2　MIによる高分子固体電解質の探索
3　何をデータベースに記録するか?
4　データベース構築の実際
5　機械学習の結果
6　新規構造の探索
7　MIの更なる普及に向けた課題
　7.1　外挿予測
　7.2　データ不足
　7.3　スクリーニング法
8　まとめと今後の展望

-------------------------------------------------------------------------

AI×マテリアルの研究動向・課題対応策と今後の展望
Trends in Materials Research with AI and Machine Learning

　実験科学,理論科学,計算科学に次ぐ第4の科学としてデータ科学の進展が著しく,今後の物質・材料研究はこれらの統合によって進むことが予期される。ここでは,AI・機械学習が物質・材料研究にどのように用いられているか直近2～3年の研究動向を中心にレビューを行い,今後のさらなる進展に向けたボトルネックについて考察した。

【目次】
1　はじめに
2　研究の動向
　2.1　バーチャル・ハイスループット・スクリーニング
　2.2　計測インフォマティクス
　2.3　分子インフォマティクス
3　課題
4　課題への対応
　4.1　オープンサイエンスの推進(戦略的なデータプラットフォームの構築)
　4.2　文献解析(自然言語処理)手法の高度化
　4.3　転移学習の活用
　4.4　能動学習(探索空間の拡大)の活用
　4.5　例外的な物質の探索手法の確立
　4.6　解釈可能・説明可能AI技術の開発
5　今後の展望
　5.1　実験データのハイスループット取得(自動化とロボティクス)
　
-------------------------------------------------------------------------

[Material Report―R&D―]

伸縮性ナノシートを用いた可変プラズモニックカラーシート
Tunable Plasmonic Color Sheet Using Stretchable Nanosheet

　金属のナノ周期構造により発生する表面プラズモンを利用した光の異常透過現象は,高い光透過率と空間分解能,波長選択性を有し,波長選択フィルタやイメージセンサへ向けた研究が進められている。本稿では,表面プラズモンを励起する波長は金属周期の変更により変調動作が可能な点に着目し,エラストマー材料をナノ薄膜化したシート中にプラズモニック構造を埋設した伸縮性プラズモニックカラーフィルタを紹介する。

【目次】
1　はじめに
2　SBSナノシートの作製
3　プラズモニックフィルタの光学設計
4　プラズモニックシートの作製
5　プラズモニックシートの光学特性評
6　まとめ