Presentation Information
[22p-52A-6]Efficient exploration of high-Tc superconductors by gradient-based inverse problem solving
〇Akihiro Fujii1, Koji Shimizu1, Satoshi Watanabe1 (1.Tokyo Univ.)
Keywords:
deep learning,inverse problem,superconductor
本研究では、勾配ベースの逆問題解法を原子スケールのマテリアルデザイン向けに改良し、
新規の高温超伝導材料候補となる組成式を探索する。これにより、既存データベースを超えた範囲
の探索が可能になり、候補物質の超伝導転移温度 Tc を最先端の Tc 予測モデルの精度で即座に取
得しつつ、Tc が向上するように直接組成式を最適化できる。また、入力の一部を固定するなどの
方法で容易に条件付き探索も可能である。
新規の高温超伝導材料候補となる組成式を探索する。これにより、既存データベースを超えた範囲
の探索が可能になり、候補物質の超伝導転移温度 Tc を最先端の Tc 予測モデルの精度で即座に取
得しつつ、Tc が向上するように直接組成式を最適化できる。また、入力の一部を固定するなどの
方法で容易に条件付き探索も可能である。