講演情報
[25p-61C-11]アニオン交換膜用高分子における機械学習とドメイン知識の融合による材料設計指針探索
〇Phua Yin Kan1、藤ヶ谷 剛彦1,2,3、加藤 幸一郎1,2,4 (1.九州大学大学院工学府、2.九州大学分子システム科学センター、3.九州大学WPI-I2CNER、4.九州大学RIIT)
キーワード：
高分子,機械学習,燃料電池
アニオン交換膜（AEM）を用いる燃料電池は水素社会実現の要であるが、AEMの性能が未だ十分ではない。本研究ではAEM研究の加速に向け教師なし機械学習(ML)の導入を図った。教師なしMLとして主成分分析とuniform manifold approximation and projectionを組み合わせてAEM化学構造を二次元マッピングした結果、7つのクラスタが形成された。それらの中から性能が高いAEMが集まるクラスタを見出し、その背景をドメイン知識により解釈することで材料設計指針となり得る知見を得た。