2017 Fiscal Year Annual Research Report
Development of machine learning methods for materials informatics
| 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, 准教授 (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 |
A01(イ)班との共同研究において、転移学習を用いた粒界構造決定のアルゴリズムを開発した。これまで、ある界面、例えば、Σ3[110](111)に関する粒界エネルギーの計算結果が多数揃っていても、それを、異なる界面、例えば、Σ3[110](112)の粒界構造決定に用いることはできなかった。本研究では、様々な粒界に関して共通に定義できる記述子を考案し、それらが表す特徴空間上で転移学習を行う事によって、ベイズ最適化による構造決定を大幅に加速できることを示した。深層学習とモンテカルロ木探索を用いた有機分子生成アルゴリズムChemTSの開発を行った。本研究では、Recurrent neural networkとモンテカルロ木探索を用いた手法ChemTSを開発し、github上で一般に公開した。ChemTSは、従来法に比べ、単位時間により多くの分子を生成することができ、高速に分子の最適化を行うことができる。
計画班01（ウ）との連携により、走査透過型電子顕微鏡のエネルギー分光スペクトル解析におけるデータ解析法の開発、特に、バッググラウンドの取り扱いや成分数の統計的推論に関して取り組み、国際ワークショップEDGE 2017および複数の国内学会で発表した。また、３Dラマン分光スペクトル解析の研究にも新規に取り組み、機械学習によるスペクトル分解法を開発した。計画班A02（エ）およびA03（キ）との連携により、プロトンイオン伝導経路探索を機械学習に基づき高速計算する手法に取り組んだ。また、計画班A02（エ）との連携により、点欠陥の周辺の原子構造配置に関する記述子を用いたエネルギー予測により点欠陥のある結晶構造の構造緩和計算を高速化する手法の開発に取り組んだ。また、公募班の山崎教授らとの連携により、プロトン輸送に関する物性値を機械学習に基づき予測する手法の研究に取り組んだ。
|
| Research Progress Status |
29年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
29年度が最終年度であるため、記入しない。
|
