本文へ

DPF-技術情報


   1.光機能性微粒子DPF
   2.配線/半導体材料DPF
   3.電子部品材料DPF
   4.機能性高分子DPF
   5.触媒DPF
   6.磁性材料DPF
   DFPにおけるデータの取扱い

1.光機能性微粒子DPF

対象材料: 分散ホスト中の微粒子材料、ナノ粒子材料
データ: 光機能/誘電機能と粒子の形状・サイズ・構造・組成の相関データ
      (単元素材料、化合物材料)

【計算シミュレーションデータ】
   ・ 光機能/誘電機能と粒子の形状・サイズの相関データ
   ・ シミュレータ入力情報の粒子組成・構造依存性、粒子分散構造依存性データ

【プロセス・計測データ】
   ・ 微粒子の合成条件と形状、粒径分布
   ・ 単一微粒子の光散乱スペクトル
   ・ 微粒子の構造変化と光機能の相関

【解析ツール・特徴など】
   ・ 機械学習により相関データから特徴量抽出
   ・ 誘電機能で構築した予測モデルを電気機能に転用


▲ ページトップへ

2.配線/半導体材料DPF

対象材料: 複合カーボン材料、有機半導体・EL材料等の電気/半導体材料
データ: 電導度(率)/デバイス特性 (単体・結晶材料、複合・複雑材料)

【計算シミュレーションデータ】
   ・ 単体材料と複合材料中の部分ユニットの全抵抗/抵抗成分と組成・構造の相関データ
   ・ 複合材料の電導度と部分ユニット間構造の相関データ
   ・ 半導体のデバイス特性と組成・構造の相関データ
   ・ 複合材料中の部分ユニット間構造と部分ユニット内の組成構造の相関データ

【計測データ】
   ・ 複合材料の電導度と部分ユニットネットワーク構造の相関


【解析ツール・特徴など】
   ・ 機械学習により相関データから特徴量抽出
   ・ 電導機能で構築した予測モデルを誘電機能に転用

▲ ページトップへ

3.電子部品材料DPF

対象材料: 高分子機能材料、無機誘電材料
データ: 複素誘電率、導電率、電子状態密度、電子バンド構造(高分子材料 、無機材料)

【計算シミュレーションデータ】
   ・ 原子スケールの構造・組成情報(各原子の原子種と位置、SMILES表記の情報)
   ・ 第一原理計算の入力条件の詳細
   ・ 全エネルギー、バンドギャップ、電子バンド構造、電子状態密度
   ・ 複素誘電関数、光学伝導度

【解析ツール・特徴など】
   ・ 機械学習(scikit-learn等)により相関データから特徴量抽出

▲ ページトップへ

4.機能性高分子DPF

対象材料: 相分離、フィラー充填、発泡等による高次構造を持つ樹脂・エラストマー材料
データ: 相溶性、高分子-無機界面相互作用、高次構造、熱拡散、弾性挙動
     (相溶性、界面相互作用と高次構造との相関、高次構造と物性との相関)

【計算シミュレーションデータ】
   ・ 高分子界面張力、高分子-無機フィラー間相互作用
   ・ フィラー分散構造、相分離構造
   ・ 熱拡散係数 (ポリマーブレンド)
   ・ 線形弾性率 (合成ゴム)
   ・ 応力-ひずみ挙動 (液晶エラストマー)
   ・ 分子構造と動的粘弾性の相関データ

【計測データ】
   ・ 組成・混練条件と分散構造の相関
   ・ 電子顕微鏡

【解析ツール・特徴など】
   ・ 機械学習、深層学習による相関データからの回帰モデル

▲ ページトップへ

5.触媒DPF

対象材料: 均一触媒、不均一触媒、電池材料
データ: 触媒の電子状態、構造、形状と触媒活性の相関データ
     (触媒候補物質(固定化触媒、金属・金属酸化物材料)の物性及び化学データ)

【計算シミュレーションデータ】
   ・ 電子状態計算データ: dバンドセンター
   ・ 触媒候補材料の物性値: 表面電荷、表面の酸・塩基性指標
   ・ 反応性解析に資する物理化学的指標:触媒と吸着分子との相互作用エネルギー、分子振動解析データ
   ・ 流体マクロシミュレーション用データ:流速、粘度、反応キネティクス (活性化エネルギー等)

【計測・プロセスデータ】
   ・ ハイスループットによるプロセス条件と触媒性能の相関
   ・ 触媒表面の構造、吸着分子振動及び触媒活性との相関

【解析ツール・特徴など】
   ・ 計算シミュレーションデータと触媒活性の実験データとの相関及び支配因子の推定
   ・ 未知の触媒に対する予測モデルの構築

▲ ページトップへ

6.磁性材料DPF (産総研で独自に作成したデータ)

対象材料: 永久磁石、スピントロニクス材料
データ: 時期物性値(磁化、原子サイトごとの磁気モーメント、磁気転移温度)、
      超微細場、全エネルギー、講師パラメータ、原子座標

【計算シミュレーションデータ】
   ・ 磁性化合物の構造・組成と磁性に関する第一原理計算データ
    (格子パラメータ、各原子の原子種と座標、計算条件の詳細、全エネルギー、磁化、
     スピン磁気モーメント、軌道磁気モーメント、磁気転移温度、超微細場)
   ・ 化学ドープした非化学量論組成系の第一原理計算データ

【解析ツール・特徴など】
   ・ 秘匿計算やベイズ最適化などのハンズオンで使用するデータを収録

▲ ページトップへ

DPFにおけるデータの種別と取扱い

DPF内のデータの種別
共有データ: 一般A会員、特別会員に対してオープンなデータ。
共用データ: 暗号化処理された秘匿データ。一般A会員、特別会員からのアクセスは秘匿計算ツール(AI学習など)からのみで、アクセスした会員に対してデータ情報は秘匿される。
プライベートデータ: 個別の共同研究等で創出されたデータで、作成した企業のみがアクセス可能。

秘匿計算について

秘匿計算技術とは、データの中身を隠したまま計算する情報保護技術です。産総研では、その中でも秘密分散方式を採用しています。 この方式では、データを複数のサーバに分割して無意味化を図り、情報を保護するとともに、サーバー間の連携によりデータの中身を 隠したままで計算がなされます。産総研ではマテリアルズ・インフォマティクスにも利用できる高度な科学技術計算方法を開発しました。
 参考文献:T. Fukazawa et al., Journal of the Physical Society of Japan, 94, 013801 (2024) DOI:10.7566/JPSJ.94.013801

一般A会員が(個別の共同研究等により)創出したデータの取扱い
 ・共同研究契約の内容等により、「共用」、「共有」、「プライベート」データを規定
 ・「共用」では、データを秘匿化し、秘匿計算にて利用することを想定

データの利用と得られた成果の帰属
 ・一般A会員・特別会員等は自らの利用のために、データの閲覧、取得、加工が可能
 ・DPF利用により得られた知的財産権は利用者に帰属
 ・DPF提供のデータを加工して作成したデータや、DPF利用により得られた学習済みAI等の成果物は利用者に帰属

▲ ページトップへ