文献

J-GLOBAL ID：202002252634672058   整理番号：20A2655734

遺伝的アルゴリズムと機械学習を用いた高分子設計【JST・京大機械翻訳】

Polymer design using genetic algorithm and machine learning

著者 (5件)： Kim Chiho (School of Materials Science and Engineering, Georgia Institute of Technology, 771 Ferst Drive NW, Atlanta, GA 30332, United States) ,  Batra Rohit (School of Materials Science and Engineering, Georgia Institute of Technology, 771 Ferst Drive NW, Atlanta, GA 30332, United States) ,  Chen Lihua (School of Materials Science and Engineering, Georgia Institute of Technology, 771 Ferst Drive NW, Atlanta, GA 30332, United States) ,  Tran Huan (School of Materials Science and Engineering, Georgia Institute of Technology, 771 Ferst Drive NW, Atlanta, GA 30332, United States) ,  Ramprasad Rampi (School of Materials Science and Engineering, Georgia Institute of Technology, 771 Ferst Drive NW, Atlanta, GA 30332, United States)
資料名： Computational Materials Science  (Computational Materials Science)
巻： 186  ページ： Null  発行年： 2021年 
JST資料番号： W0443A  ISSN： 0927-0256  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： データ駆動または機械学習(ML)に基づく方法は,材料科学で最近使用され,迅速な材料特性予測を提供する。強力でロバストではあるが,これらの予測モデルは,目標特性または性能目的を有する材料の設計へのそれらの適用性に関して,まだ限られている。ここでは,実際に有用な,しかし,極端な特性基準(即ち,ガラス転移温度,Tg>500Kおよびバンドギャップ,Eg>6eV)を満たすポリマーを設計するために,MLベースの予測モデルとタンデムに,自然模倣最適化法,遺伝的アルゴリズムを用いた。性質に類似して,ポリマの特徴的特性は,単量体単位中の化学ビルディングブロック(またはフラグメント)の構成型と配列により決定されると仮定した。交差,突然変異,および100世代にわたる選択の自然操作によるポリマーの進化は,高いTgとEgを有する化学的にユニークなポリマー(4つの既に知られているケースと比較して)の132の新しい生成をもたらした。フラグメントが極端な熱的および電気的性能指標を有するポリマーをいかにして作るかに関する化学ガイドラインを選択し,このアルゴリズムによって明らかにした。ここで提示したアプローチは一般的であり,異なる特性目的を有するポリマーの設計に拡張できる。Copyright 2020 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *アルゴリズム ,  最適化 ,  重合体 ,  ガラス転移点 ,  突然変異 ,  *高分子 ,  直列接続 ,  ロバスト性 ,  バンドギャップ ,  *機械学習 ,  *遺伝的アルゴリズム ,  材料科学 ,  予測モデル
準シソーラス用語： 材料特性 ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (5件)： 遺伝的アルゴリズム ,  機械学習 ,  ガラス転移温度 ,  バンドギャップ ,  高分子

分類 (1件)： 高分子固体の物理的性質  (CG02024U)

タイトルに関連する用語 (4件)： 遺伝的アルゴリズム ,  機械学習 ,  高分子 ,  設計