機械学習と粗視化分子シミュレーションによるコロイド分散液の粘度予測

Material type: 文書・図像類

Author: 小林, 祐生

Publisher: 慶應義塾大学

Publication date: 2021

Material Format: Digital

Capacity, size, etc.: -

NDC: -

View All

Notes on use

Note (General)：: type:text本研究では，非平衡状態における複雑な現象を理解するのに適した粗視化分子シミュレーションを用いて，コロイド分散液の粘度と自己集合構造の関係性を明らかにする．さらに明らかとなったメカニズムをもとに，機械学習を用いることで目標物性を実現するコロイド粒子のデザインの特定を行う.上述の研究目...

Search by Bookstore

Holdings of Libraries in Japan

This page shows libraries in Japan other than the National Diet Library that hold the material.

List of Cooperating Institutions and Databases

Please contact your local library for information on how to use materials or whether it is possible to request materials from the holding libraries.

other

Keio Associated Repository of Academic resources
Digital
You can check the holdings of institutions and databases with which Institutional Repositories DataBase(IRDB)(Institutional Repository) is linked at the site of Institutional Repositories DataBase(IRDB)(Institutional Repository).
Keio Associated Repository of Academic resources

Search by Bookstore

Bibliographic Record

You can check the details of this material, its authority (keywords that refer to materials on the same subject, author's name, etc.), etc.

Digital

Material Type: 文書・図像類
Title: 機械学習と粗視化分子シミュレーションによるコロイド分散液の粘度予測
Author/Editor: 小林, 祐生
Author Heading: 小林, 祐生
Publication, Distribution, etc.: 慶應義塾大学
Publication Date: 2021
Publication Date (W3CDTF): 2021
Alternative Title: キカイガクシュウトソシカブンシシミュレーションニヨルコロイドブンサンエキノネンドヨソク
Kikai gakushū to soshika bunshi shimyurēshon ni yoru koroido bunsan'eki no nendo yosoku
Combination of machine learning and coarse-grained molecular simulation for colloidal dispersions
Periodical title: 学事振興資金研究成果実績報告書
Text Language Code: jpn
eng
Target Audience: 一般
Note (General): type:text
本研究では，非平衡状態における複雑な現象を理解するのに適した粗視化分子シミュレーションを用いて，コロイド分散液の粘度と自己集合構造の関係性を明らかにする．さらに明らかとなったメカニズムをもとに，機械学習を用いることで目標物性を実現するコロイド粒子のデザインの特定を行う.上述の研究目的のもと，初年度は粗視化分子シミュレーションのプログラムの拡張とシステムの構築，およびモデルの妥当性の確認を行った．コロイド粒子モデルに関しては,Poblete らのモデルを参考に球状及びキューブ状の粒子を作成した．検討パラメータとして,粒子体積分率を変化させた．モデルの妥当性を確認するために,親水表面のみを持つコロイド粒子モデルを用いて,拡散係数を算出した．実験値と我々のシミュレーションによる結果を比較したとき,十分に一致することが確認できた.モデルの妥当性が確認できたため，粒子表面に疎水表面を装飾し，それらの親水/疎水表面の比を変化させ，自己集合構造を調べた．平衡状態 (ゼロせん断)において,自己集合構造を観察したところ,体積分率やコロイド粒子のデザインに応じて,様々な構造が得られた.現在，パーコレーション構造が観察される高体積分率における自己集合構造に対して，せん断流れを与え，粘度と平均会合数の関係を調査している．粘度と平均会合数の関係を明らかにしたうえで，来年度は機械学習によって，パッチ粒子のデザインから自己集合形態を予測し，平均会合数と粘度の関係性から，パッチ粒子デザイン-流体内の自己集合構造-粘度を結びつけることに取り組む予定である． In this project, we investigate the structure formation and the rheological properties of colloidal dispersions in bulk solutions in equilibrium and under shear. In addition, we investigate whether machine learning can be used to predict viscosity, as the representative rheological properties of colloidal dispersions, from the design of a colloidal particle. In the first year, we begin with homogeneous colloidal particles to test our model and algorithms. We compared the translational self-diffusion coefficient of the colloidal particles with experimental values. We found good agreement between simulations and experiments. Next, we varied the hydrophilic and hydrophobic balance on the surface of a colloidal particle. We observed various morphologies of the colloidal dispersions depending on the volume fraction of particles and the number of patches. After the equilibrium simulations were completed, shear was applied. We are now investigating the relationship between the size of the aggregates and the viscosity of the dispersions. In the next year, we will apply machine learning to our system to predict the shear viscosity from the design of colloidal particles and evaluate the effectiveness of machine learning in multiscale systems.
Access Restrictions: 限定公開
Data Provider (Database): 国立情報学研究所 : 学術機関リポジトリデータベース（IRDB）（機関リポジトリ）
https://irdb.nii.ac.jp
Original Data Provider (Database): 慶應義塾大学 : 慶應義塾大学学術情報リポジトリ