材料科学と情報科学の融合 → Materials Informatics

材料は，金属・セラミックス・半導体など，私たちの生活や社会を支える物質です．これらの材料は，さまざまな元素の組み合わせによって作られます．その組み合わせ方は非常に多く，材料開発は，広大な地図の中から宝物を探すようなものです．すでに多くの材料が使われていますが，まだ見つかっていない優れた性質を持つ材料が，どこかに隠れているはずです．従来の材料科学では，ナノスケールでの実験計測やシミュレーションを通じて，材料に生じる現象を詳しく調べてきました．近年は，計算機・シミュレーション技術・AIの進歩により，多数のデータを活用して，目的に合った材料を効率よく探す「データ駆動型材料設計」が進んでいます．
田村研究室では実験分野や情報分野と連携し，このデータ駆動型材料設計の手法を発展させることで，エネルギー・環境分野から医療材料まで，社会の課題解決につながる新しい材料の開発を加速させることを目指しています．

(1) シミュレーションと実験の連携

放射光を用いたX線吸収スペクトル(XAS)や電子顕微鏡を用いた電子エネルギー損失スペクトル(EELS)は，ナノ構造の原子配列や電子状態の情報を実験的に取得できる強力な材料解析ツールですが，得られる結果の解釈は非常に困難です．それらのスペクトルを高精度でかつ高効率を計算できる機能を導入し(PRB 2012)，さらには分子動力学法と組み合わせた第一原理in-situ XANESシミュレーションの提案(PRB 2017)を行い，Liイオン二次電池用正極材料内部(MSMSE 2012)や正極-電解液界面(PRB 2017)に適用することで，実験と相補的な化学反応の解明を行いました．

(2) シミュレーションと情報科学の連携

2015年度~2019年度に情報統合型物質・材料開発イニシアティブ(MI2I)に参画し，大量のシミュレーションデータに基づいたデータ駆動型材料設計法の確立にも取り組みました．主に，材料機能への影響が大きい結晶粒界について，(i) 計算コストを考慮した回帰予測モデルの構築(MSMSE 2017), (ii) 転移学習を導入したベイズ最適化による効率的安定構造探索(PRM 2017), (iii) 能動学習を導入したランダム粒界の高精度解析 (arXiv 2019)を提案しました．

(副テーマ) スノーボードのバイオメカニクス

後期の集中講義「健康運動科学B」ではスノーボードを教えています．ゴリゴリのカービングを目指して勉強中and練習中です．