組成的に複雑なABO3ペロブスカイト酸化物の成形性と立方晶相の機械学習駆動予測
Machine Learning-Driven Prediction of Formability and Cubic Phase in Compositionally Complex ABO3 Perovskite Oxides
ペロブスカイト酸化物(ABO3)は、組成の柔軟性と調整可能な物理化学的特性から、エネルギー関連用途で広く研究されている。しかし、特にドープされたペロブスカイト酸化物において、広大な組成空間から成形可能で立方晶のペロブスカイト酸化物を特定することは困難である。本研究では、ドープされたABO3組成における成形可能で立方晶のペロブスカイト酸化物の発見を加速するため、2段階の機械学習フレームワークを開発した。公開文献から1502個のABO3化合物のデータセットを収集し、元素特性から導出された組成特徴量を用いて記述した。特徴量選択により、最も関連性の高い記述子を特定した。ペロブスカイトの成形性は半径ベースの記述子、立方晶構造は体積関連の記述子によって大きく決定されることが判明した。他のアルゴリズムと比較して、ランダムフォレスト(RF)、Extreme Gradient Boosting(XGB)、Light Gradient Boosting Machine(LGBM)を含む3つのアンサンブル学習アルゴリズムが優れた性能を示した。成形性予測ではXGBが精度0.910、F1スコア0.937で最良の結果を達成し、立方晶構造予測では精度0.924、F1スコア0.889を達成した。訓練されたモデルは、710,269の仮想ABO3組成をスクリーニングするために適用され、それぞれ189,247の候補が成形可能かつ立方晶であると予測された。この研究は、ペロブスカイト酸化物のハイスループットスクリーニングと合理的な設計のための効率的なフレームワークを提供する。
- 公開文献から1502個のABO3化合物データセットを構築し、元素特性由来の組成特徴量で記述する2段階機械学習フレームワークを開発した
- 成形性予測でXGB(Extreme Gradient Boosting)が精度0.910・F1スコア0.937、立方晶構造予測で精度0.924・F1スコア0.889を達成した
- ペロブスカイトの成形性は半径ベース記述子、立方晶構造は体積関連記述子が支配的だと特定した
- 訓練済みモデルを710,269の仮想ABO3組成に適用し、189,247件が成形可能かつ立方晶と予測された
機械学習による材料探索(MI)の典型的な進展で、ドープABO3ペロブスカイトというエネルギー関連材料の候補空間を710,269組成まで一気にスクリーニングし、成形可能かつ立方晶と予測される候補を18万件超に絞り込んだ点が注目される。XGBで精度0.91超という水準は実用スクリーニングの入口として意味があり、実験・合成コストの削減を通じて固体電池や触媒・燃料電池材料の開発サイクル短縮につながる可能性がある。ただし研究段階のモデル予測であり、実証・商用化の主体や時期は示されておらず、直接の投資対象が見えにくい点は留意したい。