2021 Fiscal Year Annual Research Report
機械学習と材料データベースを活用したハイスループット計測データの自動解析
| Project/Area Number |
19J22340
|
|---|
| Research Institution | The Graduate University for Advanced Studies |
|---|
Principal Investigator |
鈴木 雄太 総合研究大学院大学, 高エネルギー加速器科学研究科, 特別研究員(DC1)
|
|---|
| Project Period (FY) |
2019-04-25 – 2022-03-31
|
| Keywords | マテリアルズインフォマティクス / X線回折 / 機械学習 / 材料科学 |
|---|
| Outline of Annual Research Achievements |
結晶構造の同定は材料研究の始点であり、結晶構造の分析のため粉末X線回折法（PXRD）が広く用いられている。粉末XRDパターンを人間が見て直接理解することは困難であるため、結晶構造の情報を抽出するために、リートベルト法と呼ばれるデータ解析法が広く用いられている。これは予め仮定しておいた結晶構造モデルからPXRDパターンをシミュレーションし、その結果が測定したPXRDパターンに一致するように構造モデルをアップデートすることで、実験データによくあてはまった結晶構造を得る手法である。リートベルト法は結晶構造についての様々な情報を得ることができ、信頼のおける手法である一方で、解析に試行錯誤や熟練を要するため、解析に大きな時間的コストがかかるという点で課題があった。昨年度までに、リートベルト解析のワークフロー全体をブラックボックス最適化（数理最適化の問題設定の一つ、具体的な関数形がわからない関数の最適化を扱う）の問題として定式化することでリートベルト法を自動化し、熟練者並みの精度が得られることを実証した（論文出版・ソフトウェア公開済み）。
今年度はこの手法をさらに発展させるため、計算機クラスタを用いて多数のパラメータ候補の網羅的実験を行い、「良い結果を与える定石」となるようなパラメータを探索した。さらに、実用に向けた手法のブラッシュアップのため実データを用いたベンチマーク評価を行った。加えて、リートベルト解析を用いない高速な結晶構造解析法や物性予測タスクへの発展についても検討するため、Deep Neural Networkを用いて結晶構造を取り扱う技術について調査・計算機実験を進めた。
|
| Research Progress Status |
令和3年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和3年度が最終年度であるため、記入しない。
|
