機械学習によるブロック共重合体の物性推算

摘要

The machine learning which estimates elastic modulus of block copolymers has been trained using calculated values of dissipative particle dynamics (DPD) and finite element method (FEM) as training data set. The resultant estimator predicts elastic modulus of block copolymers from their compositions and interaction parameters with high accuracy in short time.%300要素のべクトルで表した場合（Table1③）、R~2>0.9と極めて効果的な学習がなされた。プロック共重合体の弾性率をOCTAの散逸粒子動力学（DPD)と有限要素法（FEM)により計算し、それを教師データとして機械学習を検討した。得られた推定器はプロック共重合体組成から弾性率を高精度かつ短時間で推算することができた。高分子シミュレーションの結果を教帥デ一タとした機械学習は、類似した系を人量に対象とする必要がある場合、短時間•低負荷でのスクリーニングを可能と