| 研究領域 | 次世代物質探索のための離散幾何学 |
|---|
| 研究課題/領域番号 |
17H06469
|
|---|
| 研究種目 |
新学術領域研究(研究領域提案型)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
理工系
|
|---|
| 研究機関 | 名古屋大学 |
|---|
研究代表者 |
一木 輝久 名古屋大学, 未来社会創造機構, 特任准教授 (40711156)
|
|---|
| 研究分担者 |
大関 真之 東北大学, 情報科学研究科, 教授 (80447549)
|
|---|
| 研究期間 (年度) |
2017-06-30 – 2022-03-31
|
| キーワード | 統計力学 / 機械学習 / マテリアルズ・インフォマティクス / 最適化問題 / 量子アニーリング |
|---|
| 研究成果の概要 |
機械学習を高機能材料の開発に利用することがマテリアルズ・インフォマティクスの主眼であるが、安全な材料開発のためには、予測された材料の機能を人間が理解できる形で説明する必要がある．そこで本研究では、物質の構造と機能という、材料科学における人間の理解の本質をなす二要素の間の関係を明らかすべく研究を行い、物質の3次元構造や、分子式によって示唆される物質の構造が、確かにその材料が示す物性値の予想に利用できることを示した．また、機械学習は一般に最適化問題として理解できるが、その計算時間と計算精度のトレードオフ関係を明らかにした．これによってより効率的な機械学習アルゴリズムが構築できるものと期待される．
|
| 自由記述の分野 |
統計力学
|
| 研究成果の学術的意義や社会的意義 |
材料開発分野において機械学習の積極的利用の必要性が認識され、マテリアルズ・インフォマティクスという研究領域が開拓されて久しい．一方で、従来の機械学習は大量のデータに合わせた傾向を出力するにとどまり、材料の示す多様な物性を予測できるほどの表現力を獲得していない．また、通常の機械による学習は単なるパラメータの調節にすぎないため、背景にある理論が無視され、材料世界の科学的理解を助ける道具としては不十分である．本研究ではこの困難を解消し安心して機械学習を利用するため、(i)材料物性の理論的理解を助けるための機械学習、(ii)計算結果の精度とそれを得るまでにかかるコストの評価に焦点を当てて研究を行った．
|
