| 研究課題/領域番号 |
17K19953
|
|---|
| 研究機関 | 北海道大学 |
|---|
研究代表者 |
瀧川 一学 北海道大学, 化学反応創成研究拠点, 特任准教授 (10374597)
|
|---|
| 研究期間 (年度) |
2017-06-30 – 2021-03-31
|
| キーワード | 機械学習 / データ駆動科学 / データマイニング |
|---|
| 研究実績の概要 |
本課題の研究協力者である北海道大学触媒科学研究所のグループとの密な連携を通して、触媒化学における機械学習を主とするデータ駆動型アプローチの実践研究および展開研究を行った。触媒は材料物質を生成する上で根幹となる要素であるが依然として旧来型の経験的な開発が主体である分野でありデータの効果的な利活用が特に望まれている分野である。まず、決定木アンサンブルを用いた逐次実験計画のアルゴリズムを構築し、工業的な化学合成・自動車の排ガス浄化・メタン転換など化学産業の主対象の一つである不均一系触媒の設計の問題へ適用する研究を行った。決定木アンサンブルについて予測値だけではなく予測分散も計算し、期待改善度やUCBなどの尺度について最適な実験を計画する手法について、補助特徴量の統合、離散値をとる変数の確率的局所探索、各成分の含有率など固定値総和制約下での探索、利用と探索のトレードオフの陽的実行など技術上の工夫を行い論文として触媒計算分野の専門誌ChemCatChemで発表した(触媒計算の専門誌ChemCatChemでFrontCover論文に採択)。またこの結果を含む触媒設計における機械学習活用に関する総論を触媒分野の主要紙ACS Catalysisで報告した。予測だけではなく探索やOut-of-distribution予測のためにはこうした最適計画が重要であり、能動学習・多腕バンディット・進化計算・ベイズ最適化・モデルベース強化学習など広く分野で興味が高まっているトピックである。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
研究計画について予定通り進展し成果を専門誌のFront Cover論文、分野の総説を権威のある分野の主要誌ACS Catalysisで発表することができた。
|
| 今後の研究の推進方策 |
研究過程で新たな技術課題や示唆が得られたため今後はその展開・深化の研究を行う予定である。
|
| 次年度使用額が生じた理由 |
コロナウイルス感染症により２月-３月に予定していた出張・資料購入代がキャンセルとなったため。いずれも本年度感染症終息の後、再度出張が可能となり次第支出予定。
|
