2019 Fiscal Year Annual Research Report
Machine learning with effective integration of multiple datasets
| Project/Area Number |
16H02866
|
|---|
| Research Institution | Gifu University |
|---|
Principal Investigator |
志賀 元紀 岐阜大学, 工学部, 准教授 (20437263)
|
|---|
| Project Period (FY) |
2016-04-01 – 2020-03-31
|
| Keywords | 行列分解 / 教師なし学習 / 機械学習 / ベイズ最適化 |
|---|
| Outline of Annual Research Achievements |
機械学習を用いて解析性能の向上およびデータ解析の効率化を促進させる研究課題において、２つの基礎的な研究課題(１) 一般的な雑音モデルにおける行列分解法、（２）網羅的な理論計算の効率化のためのベイズ最適化法に取り組んだ。前者に関しては、物質・材料科学における顕微分光計測データ（スペクトルイメージング）解析の応用をターゲットとしており、計測時間を短縮させるために、低カウントのスペクトルの解析に有効な方法の開発に取り組んだ。ベータ・ダイバージェンスの最小化に基づく行列分解アルゴリズム、また、空間直交制約を取り入れた方法を提案し、実データ解析における有効性を示した。後者の課題に対しては、実験条件に適合する理論計算の材料パラメータの効率探索のためのベイズ最適化法やロボット制御のための強化学習への応用研究を行った。ロボット制御の課題においては、ゴールに向かう効率的な探索を実現できるような方法を検討・開発したものの、経路における障害を効率的に回避することが一つの課題として残された。
さらに、物質・材料科学における応用課題の１つ、電子回折イメージングの成分分析法の開発に取り組んだ。この計測データは、電子プローブの走査する２次元格子の各点において、２次元の電子回折図形が観測されるデータであり、つまり、モード４のテンソルデータである。線形なモデルの行列分解、深層学習を用いた非線形な手法、また、実空間や逆空間における隣接性などの補助情報を取り入れる方法などを検討した。これらの数値実験の結果として、１種類の原子が含まれるシミュレーションデータに対して補助情報の利用が性能を向上させることが示されたが、多種類の原子の含まれる試料や雑音の多い実計測データに応用するために多くの課題が残されている。また、計測データのサイズが非常に大きいため、解析時間の短縮も今後取り組むべき重要な課題である。
|
| Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
