文献

J-GLOBAL ID：202202221262603151   整理番号：22A0945217

粗粒シミュレーションと人工ニューラルネットワークを用いたブロック共重合体の弾性特性の最適化【JST・京大機械翻訳】

Optimization of the elastic properties of block copolymers using coarse-grained simulation and an artificial neural network

著者 (1件)： Aoyagi Takeshi (Research Center for Computational Design of Advanced Functional Materials, National Institute of Advanced Industrial Science and Technology (AIST), Central 2, 1-1-1 Umezono, Tsukuba, Ibaraki 305-8568, Japan)
資料名： Computational Materials Science  (Computational Materials Science)
巻： 207  ページ： Null  発行年： 2022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： 非混和性ガラスおよびゴムブロックから成るブロック共重合体は,高分子構造に依存して種々の弾性特性をもたらすミクロ相分離構造を有していた。しかし,広範囲のポリマーとミクロ相分離構造を調べる完全なシミュレーション手法は時間がかかるので,望ましい特性を有する材料の設計にはより効率的なアプローチが必要である。本研究では,粗粒分子動力学(CGMD)シミュレーションと人工ニューラルネットワーク(ANN)を用いて,所望の応力-歪特性を有する高分子構造を設計した。CGMDシミュレーションを行って,種々の鎖長,ブロック体積分率,および非対称の線状ジブロックおよびトリブロック共重合体の応力-歪曲線を得た。高分子構造と応力-歪曲線の間の回帰のためにANNを訓練した。次に,訓練されたANNを用いて,任意のターゲット応力-歪曲線を有する高分子構造を得るために,Bayes最適化を行った。最適化高分子構造のCGMDシミュレーションは,ANNによって予測された曲線と一致する応力-歪曲線を生成した。したがって,ANNのシミュレーションと使用は,望ましい特性を有する高分子構造の設計のための潜在的に有用な戦略である。Copyright 2022 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： ガラス ,  *最適化 ,  *シミュレーション ,  *重合体 ,  ゴム ,  *ニューラルネットワーク ,  *ブロック共重合体 ,  非対称性 ,  分子動力学 ,  トリブロック共重合体 ,  ミクロ相分離 ,  応力歪曲線
準シソーラス用語： 非混和性 ,  *弾性特性 ,  鎖長 , 【Automatic Indexing@JST】

著者キーワード (7件)： ブロック共重合体 ,  ミクロ相分離 ,  熱可塑性エラストマー ,  応力歪曲線 ,  粗視化分子動力学 ,  ニューラルネットワーク ,  Bayes最適化

分類 (3件)： 高分子溶液の理論  (CG02012B) ,  機械的性質  (YH02022L) ,  高分子固体の力学的性質  (CG02023D)

タイトルに関連する用語 (6件)： 粗粒 ,  シミュレーション ,  人工ニューラルネットワーク ,  ブロック共重合体 ,  弾性特性 ,  最適化