| Project/Area Number |
20K19866
|
|---|
| Research Category |
Grant-in-Aid for Early-Career Scientists
|
| Allocation Type | Multi-year Fund |
|---|
| Review Section |
Basic Section 61030:Intelligent informatics-related
|
|---|
| Research Institution | The Institute of Statistical Mathematics |
|---|
Principal Investigator |
Liu Chang 統計数理研究所, ものづくりデータ科学研究センター, 特任助教 (30814149)
|
|---|
| Project Period (FY) |
2020-04-01 – 2023-03-31
|
| Project Status |
Completed (Fiscal Year 2022)
|
| Budget Amount *help |
¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000)
Fiscal Year 2022: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2021: ¥780,000 (Direct Cost: ¥600,000、Indirect Cost: ¥180,000)
Fiscal Year 2020: ¥2,600,000 (Direct Cost: ¥2,000,000、Indirect Cost: ¥600,000)
|
|---|
| Keywords | 転移学習 / スモールデータ / 物性予測 / 結晶構造予測 / マテリアルズインフォマティクス / 新規準結晶探索 / モデルライブラリー / ハイエントロピー合金 / 準結晶 / データベース / 記述子データベース |
|---|
| Outline of Research at the Start |
機械学習のモデルは，既存のデータとの類似性から未知物質の特性を予測するため，一般には，学習データが存在しない真に革新的な物質の特性が予測できない．しかし，材料研究の究極の目標は，外挿的予測と発見の実現である．
転移学習は、あるタスクで学習されたモデルを他のタスクに流用するための解析技術である．人間で例えにすれば，英語が上手い人（英語を学習した）は英語に近いドイツ語も勉強しやすことと同じである．本研究は転移学習の特徴を利用し，物性の関連性を転移させることによって，外挿的予測を実現する研究である．
|
| Outline of Final Research Achievements |
In this study, we have successfully employed transfer learning, a powerful machine learning technique, to address the challenge of limited material data and enable predictive extrapolation in the field of materials informatics (MI).
Our research has yielded significant outcomes. Firstly, we have developed XenonPy.MDL, an extensive model library containing a multitude of trained models. This library serves as a valuable resource for further advancements in the field. Secondly, we have applied transfer learning on thermodynamic stability prediction of high-entropy alloys and lattice thermal conductivity prediction, leading to notable findings presented at prestigious international conferences. Furthermore, our work has extended into crystal structure prediction, where we have introduced prediction algorithms surpassing the performance of conventional methods. We have achieved remarkable results by proposing an innovative prediction algorithm, particularly in crystal structure prediction.
|
| Academic Significance and Societal Importance of the Research Achievements |
学術的意義としては，転移学習の技術はデータ収集に高いコストがかかる材料研究分野において必要不可欠である．本研究で挙げられたハイエントロピー合金の熱力学安定性予測と結晶構造予測の研究成果はその実例であり，小規模な第一原理計算の結果のみで高精度な予測を実現した．転移学習技術の導入は．研究の効率化と新たな技術の実現に向けた重要な一歩となった．
社会的意義としては，転移学習の導入により，材料の設計や特性予測の精度と外挿性能が向上し，材料開発のスピードが加速されることが期待できる．これにより，エネルギー効率の高い材料や環境負荷の低い製品の開発が促進され，持続可能な社会の実現に寄与することができる．
|
