材料インフォマティクスのスモールデータ問題に対する階層的機械学習モデリング

• 研究課題/領域番号: 18K04716
• 研究種目: 基盤研究(C)
• 配分区分: 基金
• 応募区分: 一般
• 審査区分: 小区分26020:無機材料および物性関連
• 研究機関: 国立研究開発法人物質・材料研究機構
• 研究代表者: 小山 幸典 国立研究開発法人物質・材料研究機構, 統合型材料開発・情報基盤部門, 主幹研究員 (20437247)
• 研究期間 (年度): 2018-04-01 – 2021-03-31
• 研究課題ステータス: 完了 (2020年度)
• 配分額: 4,420千円 (直接経費: 3,400千円、間接経費: 1,020千円); 2020年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円); 2019年度: 1,690千円 (直接経費: 1,300千円、間接経費: 390千円); 2018年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
• キーワード: マテリアルズ・インフォマティクス / 機械学習 / 多重信頼度モデル / 多重代入法

研究成果の概要

物性を予測する機械学習モデルの構築においてデータ数が少ない「スモールデータ問題」に対応するために、材料データや物性の関係を活用できる機械学習モデルの構築を検討した。複数の目的変数の間に階層的な関係があり、欠測パターンが単調なデータに対しては、コクリギング法を用いた機械学習モデルが有効に機能することを確認した。一方、現実のデータセットの欠測パターンは必ずしも単調ではない。そこで、単調でない欠測パターンに対してもデータ間の相関から欠測値を推定する多重代入法を用いることで、目的変数間に明確な階層的な関係がなくても機械学習を用いた予測が機能することを明らかにした。

研究成果の学術的意義や社会的意義

機械学習を用いた物質の物性値推定はマテリアルズ・インフォマティクスの主要な課題のひとつである。しかし、個々の研究者が注目する特定の材料群や物性に限るとデータ数は少なく、これが材料研究における機械学習を困難にする「スモールデータ問題」が存在している。本研究では、データの階層構造や物性の相関関係を考慮し、複数の物性を同時に取り扱う機械学習が「スモールデータ問題」に対して有効な対応策となることを示すことができた。