機械学習を利用した不規則系構造や結晶形成メカニズムの研究

水に溶けているミネラルの結晶化は水垢発生を引き起こして排水管のつまりの原因となるため、それを制御することが重要です。炭酸カルシウムなど代表的なミネラルの結晶は水中での非晶質の前駆体を経て形成することがあります。前駆体の構造は形成する結晶の種類と関係している可能性があるため、その構造やそこからの結晶形成プロセスを理解することが制御技術の開発に必要です。非晶質や液体など不規則系構造には長距離秩序はないものの局所的には結晶に類似した短距離秩序があると考えられています。その局所構造がどの結晶の構造にどれだけ類似しているのかを知ることが重要です。

これまで不規則系の構造がどの結晶の構造に類似してるかは原子間距離の分布を表す二体分布関数を不規則系と結晶とで比較するなどにより調べられてきました。しかし、多成分系の場合は沢山の分布関数が定義できます。その数がとても多くなる場合、その全てを包括して不規則系と結晶との類似度を人間の目で評価することは不可能です。

        

研究の概要

私たちは機械学習を使って不規則系と結晶の分布関数の類似度を簡単に定量的に評価する方法を提案しています。機械学習には、教師あり機械学習教師なし機械学習などの種類があります。教師あり機械学習とは、膨大なデータを学習してつくられるモデルによりデータを分類したり回帰予測したりする方法です。深層学習(ディープラーニング)が、その代表例です。教師なし機械学習とは、漠然と与えられたデータの特徴を自動的に抽出する方法です。教師なし機械学習には、データを類似した者同士に分けるクラスタリングと、多次元データを次元削減(Dimensionality Reduction, DR)する方法があります。DRとは、多次元のデータをその特徴を失うことなく二次元や三次元のデータに変換する方法で、データ圧縮などに広く利用されています。似た多次元データ同士は次元削減しても類似したデータになるため、二次元平面や三次元空間に次元削減データを表示させることにより多次元データを可視化して類似度を調べることができます。私たちは、この方法を使って炭酸カルシウムの非晶質(ACC)と結晶との複雑な分布関数形状の類似度を可視化することによりそれらの構造類似度を適切に評価することに成功しました(図15)。また、この方法と教師なし機械学習のクラスタリングを組み合わせて複雑系に潜む局所構造から結晶形成に至る機構を解析する研究にも取り組んでいます。

図15  本方法論の概要。炭酸カルシウムのACCと各結晶に対して分子動力学シミュレーションを実施し、それぞれに対する6種類の二体分布関数と18種類の角度分布関数の全ての形状を表す多次元データを作成してDRにより二次元データ点に変換し平面上に写像する。ACCと結晶との構造類似度がそれらの分布関数の形状類似度により評価できると仮定すると、ACCから各結晶へのデータ点間距離を測ることにより構造類似度を定量化できる。代表的なDR方法である多次元尺度構成法(Multi-Dimensional Scaling, MDS)と主成分分析(Principal Component Analysis, PCA)を使ってみたところ、いずれの方法もACCの構造はカルサイトやアラゴナイトよりもバテライトの構造に近いことを示した。(ACS Omega 3 (2018) 5789 他)

※本ページにて紹介した研究成果は、産業技術総合研究所在職時のものです。