2016 Fiscal Year Annual Research Report
| Project Area | Exploration of nanostructure-property relationships for materials innovation |
|---|
| Project/Area Number |
16H00736
|
|---|
| Research Institution | The University of Tokyo |
|---|
Principal Investigator |
津田 宏治 東京大学, 大学院新領域創成科学研究科, 教授 (90357517)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
志賀 元紀 岐阜大学, 工学部, 助教 (20437263)
鹿島 久嗣 京都大学, 情報学研究科, 教授 (80545583)
|
|---|
| Project Period (FY) |
2016-04-01 – 2018-03-31
|
| Keywords | 機械学習 / マテリアルズインフォマティクス |
|---|
| Outline of Annual Research Achievements |
今年度の主な成果は以下の通りである。
(1)ナノ構造計測データ解析における統計的機械学習法：計画研究班A01（ウ）（代表者：武藤俊介教授・名古屋大学）との連携によって，ナノ構造の網羅的な分光計測データ解析のための統計的機械学習法を開発している．本年度は，計測点の局所構造を反映するスペクトルの2次元計測（スペクトル・イメージ）データから，成分毎のスペクトルおよび空間分布を同定する汎用的な手法を開発した．開発手法によるデータ解析の自動化により微細構造の評価コストが下がり，また，客観的かつ定量的な解析の実現が期待される．この開発法に関して，STEM-EELSやSTEM-EDXなどの様々な実計測データを用いて手法の性能を検証しUltramicroscopyにて発表を行った． 今後，より大規模なデータを扱う手法や複数の同時計測データを取り扱う統合的な機械学習法を開発する予定である．
(2)機械学習による金属触媒のd-band centerの予測：金属触媒の表面では反応物の吸着や表面反応が起きており、触媒作用はその電子状態により規定される。計画研究班A03（ケ）(代表者：高草木達准教授・北海道大学)との連携により、金属触媒の特性を系統的に表す量の一つであるd-band centerの機械学習による正確な予測に成功した。本研究では、金属や二元合金の電気陰性度やイオン化陰性度などを記述子として用い、Gradient boosting regressionなどの機械学習手法を用いることによって、第一原理計算を用いずに、d-band centerの高精度の予測が可能であることを示した。複雑な表面のモデリングを伴う第一原理計算には通常大きな計算コストがかかるため、機械学習による簡便で高速な代替により、網羅的な触媒探索の高効率化や試行錯誤過程の合理化が期待できる。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
他研究班との共同研究も多数行なっており、論文発表も順調である。
|
| Strategy for Future Research Activity |
今後とも、材料科学研究者との共同研究を通して、マテリアルズインフォマティクス研究を推進する。
|
-
[Journal Article] Learning to Enumerate2016
Author(s)
Patrick Joeger, Yukino Baba, Hisashi Kashima
-
Journal Title
Proceedings of the 25th International Conference on Artificial Neural Networks (ICANN)
Volume: 1
Pages: 453-460
DOI
Peer Reviewed / Int'l Joint Research / Acknowledgement Compliant
-
-
-
-
-
-
-
-
-
-
