機械学習を用いた高絶縁ガスの創成

カテゴリ: 研究会(論文単位)

論文No: DEI22027,EPP22027,HV22052

グループ名: 【A】基礎・材料・共通部門 誘電・絶縁材料/【A】基礎・材料・共通部門 放電・プラズマ・パルスパワー/【B】電力・エネルギー部門 高電圧合同研究会

発行日: 2022/01/18

タイトル(英語): Machine-Learning-Based Discovery of High-Dielectric-Strength Gas

著者名: 嶋川 肇(東京大学),熊田 亜紀子(東京大学),佐藤 正寛(東京大学)

著者名(英語): Hajime Shimakawa(The University of Tokyo),Akiko Kumada(The University of Tokyo),Masahiro Sato(The University of Tokyo)

キーワード: 絶縁ガス|ＳＦ６|機械学習|絶縁破壊強度|沸点|分子生成|insulating gas|SF6|machine learning|dielectric strength|boiling point|molecular design

要約(日本語): 環境負荷の小さいSF6代替ガスを開発するためには，既存データを逸脱した大規模な材料空間を探索する必要がある。そこで我々は機械学習を用いた高絶縁ガスの探索を行った。探索では分子構造から沸点，絶縁破壊強度，地球温暖化係数GWPを高速かつ高精度に予測するモデルを構築した。探索の結果，SF6に比べて絶縁破壊強度が2倍大きくGWPが1以下のクリーンな高絶縁ガスの分子構造を生成することに成功した。

要約(英語): For development of an SF6-alternative gas with low environmental impact, it is necessary to explore a large material space deviating from the existing data. We conduct a search for high-dielectric-strength gas using machine learning. We implement learning models that can extract molecular features more appropriately to predict boiling point, dielectric strength, and global warming potential (GWP) of gases with high accuracy in a short time. As a result, candidate gases are obtained whose dielectric strength is approximately more than twice as large as that of SF6 and GWP is lower than 1, that is, high-insulating clean gases.

本誌: 2022年1月21日-2022年1月22日誘電・絶縁材料/放電・プラズマ・パルスパワー/高電圧合同研究会-2

本誌掲載ページ: 35-40 p

原稿種別: 日本語

PDFファイルサイズ: 2,303 Kバイト