| 研究課題/領域番号 |
18K18753
|
|---|
| 研究種目 |
挑戦的研究(萌芽)
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
中区分14:プラズマ学およびその関連分野
|
|---|
| 研究機関 | 大阪大学 |
|---|
研究代表者 |
浜口 智志 大阪大学, 工学研究科, 教授 (60301826)
|
|---|
| 研究期間 (年度) |
2018-06-29 – 2020-03-31
|
| キーワード | 機械学習 / 深層学習 / スパースモデリング / ノンパラメトリック回帰 / 人工知能（AI） / 記述子 / プラズマ・インフォマティクス / プロセス・インフォマティクス |
|---|
| 研究成果の概要 |
本研究の目的は、プラズマ表面相互作用研究分野において、機械学習により、まだ研究のなされていない物質とプラズマの組み合わせに対するプラズマ表面相互作用を予測する技術を確立し、その予測手法に学術的基礎を与えることにある。本研究では、文献から収集した大量のスパッタ率実験データをもとに、ノンパラメトリック回帰であるGaussian process regression等によるスパッタ率の予測システムを開発し、かつ、系を記述する各種の記述子（系を特徴づける物理量）の相対的重要性を、系統的に解析し、定量的に評価した。これにより、当初の研究目的を達成した。
|
| 自由記述の分野 |
プラズマ科学
|
| 研究成果の学術的意義や社会的意義 |
プラズマ科学は、巨大データの宝庫であり、プラズマ表面相互作用研究だけに限っても、センサーの数や精度が上がるにつれ、データが巨大化し、機械によるデータの自動処理は近い将来、間違いなく、必要不可欠となる。機械学習といっても、その物理系に応じた予備知識の導入や訓練が必要である。「勘と経験に基づく予測能力」をコンピュータに付与することは、自然を支配する物理法則を観測データから演繹する研究であり、基礎方程式をできるだけ正確に解いて自然法則を理解するという、これまでの学術の体系や方向を大きく変革、転換させる潜在性を有するという意味で、学術的にもきわめて意義深い。
|
