| 研究課題/領域番号 |
20K19866
|
|---|
| 研究種目 |
若手研究
|
| 配分区分 | 基金 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 統計数理研究所 |
|---|
研究代表者 |
劉 暢 統計数理研究所, ものづくりデータ科学研究センター, 特任助教 (30814149)
|
|---|
| 研究期間 (年度) |
2020-04-01 – 2023-03-31
|
| キーワード | 転移学習 / スモールデータ / 物性予測 / 結晶構造予測 |
|---|
| 研究成果の概要 |
転移学習は，あるドメインで訓練されたモデルを他のドメインに適用するための機械学習技術で，訓練データが足りないタスクに対してよく使われる訓練手法である．本研究では，転移学習をマテリアルズインフォマティクス(MI)に導入し，材料データ量の少なさ問題の解消と外挿的物性予測の実現を図る．
本研究は３年間行い，次の成果を得た：１）大量の訓練済みモデルを有するモデルライブラリー(XenonPy.MDL)を開発した；２）結晶系格子熱伝導率とハイエントロピー合金を巡った研究を展開し，研究成果を論文と国際会議で発表した；３）結晶構造探索の課題に適用し，従来の予測手法の性能を圧倒する予測アルゴリズムを提案した.
|
| 自由記述の分野 |
マテリアルズインフォマティクス
|
| 研究成果の学術的意義や社会的意義 |
学術的意義としては，転移学習の技術はデータ収集に高いコストがかかる材料研究分野において必要不可欠である．本研究で挙げられたハイエントロピー合金の熱力学安定性予測と結晶構造予測の研究成果はその実例であり，小規模な第一原理計算の結果のみで高精度な予測を実現した．転移学習技術の導入は．研究の効率化と新たな技術の実現に向けた重要な一歩となった．
社会的意義としては，転移学習の導入により，材料の設計や特性予測の精度と外挿性能が向上し，材料開発のスピードが加速されることが期待できる．これにより，エネルギー効率の高い材料や環境負荷の低い製品の開発が促進され，持続可能な社会の実現に寄与することができる．
|
