• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 課題ページに戻る

2017 年度 実績報告書

確率モデルに基づいた結晶構造の学習および推定法の確立

公募研究

研究領域ナノ構造情報のフロンティア開拓-材料科学の新展開
研究課題/領域番号 16H00881
研究機関東京大学

研究代表者

本多 淳也  東京大学, 大学院新領域創成科学研究科, 講師 (10712391)

研究期間 (年度) 2016-04-01 – 2018-03-31
キーワード機械学習
研究実績の概要

融点や剛性,熱伝導度といった特定の物性に優れた材料開発を行うにあたって第一原理計算は非常に強力な道具であるが,この計算にあたっては事前にその材料の結晶構造を指定する必要がある.一方で結晶構造が明らかになっていない材料は無数にあり,それら全てを実験により合成し,その構造をX線解析等により調べることは現実的でない.したがって新規材料の開発には計算機によって効率的に結晶構造を推定することが不可欠である.
このような結晶構造の推定は,与えられた原子組成に対してポテンシャルを最小化する配置を求める問題として定式化され,構造最適化とよばれる.構造最適化のような非凸最適化問題は機械学習においてもパラメータチューニング等の問題で多く現れるが,これは目的関数を確率モデルに基づいて定式化し,バンディットアルゴリズムとよばれる探索戦略を適用するベイズ最適化とよばれる枠組みで高速に最適解が発見できることが知られている.
通常扱われるバンディット問題では単位時刻ごとに単一の実験候補を選択するのが一般的であるが,一方で現実的な場面では,実験環境が複数あり,複数候補の実験を同時に行うという場合も多い.このような場合に,環境の実験結果への影響を併せて推定しつつ最適候補を動的に探索するアルゴリズムを新たに構成し,環境の要素を無視する場合に比べて精度よく推定が可能であることを理論および実験の両面から示した.
さらに,ベイズ最適化はrandom feature mapとよばれる手法により線形モデル上のバンディット問題へと帰着可能であるが,この設定では探索に適した特徴量を選択する議論が従来は十分になされていなかった.そこで,最適候補を識別するための特徴量を適切に絞り込み探索するアルゴリズムを構築し,これが従来法より大幅に探索回数が削減可能であることを示した.

現在までの達成度 (段落)

29年度が最終年度であるため、記入しない。

今後の研究の推進方策

29年度が最終年度であるため、記入しない。

  • 研究成果

    (4件)

すべて 2018 2017

すべて 学会発表 (4件) (うち国際学会 3件)

  • [学会発表] A fully adaptive algorithm for pure exploration in linear bandits2018

    • 著者名/発表者名
      Liyuan Xu, Junya Honda, Masashi Sugiyama
    • 学会等名
      The 21st International Conference on Artificial Intelligence and Statistics
    • 国際学会
  • [学会発表] Position-based Multiple-play Multi-armed Bandit Problem with Unknown Position Bias2017

    • 著者名/発表者名
      Junpei Komiyama, Junya Honda, Akiko Takeda
    • 学会等名
      The 31st Neural Information Processing Systems
    • 国際学会
  • [学会発表] Variable-to-fixed length homophonic coding suitable for asymmetric channel coding2017

    • 著者名/発表者名
      Junya Honda, Hirosuke Yamamoto
    • 学会等名
      2017 IEEE International Symposium on Information Theory
    • 国際学会
  • [学会発表] Good Arm Identification via Bandit Feedback2017

    • 著者名/発表者名
      Hideaki Kano, Junya Honda, Kentaro Sakamaki, Kentaro Matsuura, Atsuyoshi Nakamura, Masashi Sugiyama
    • 学会等名
      第20回情報論的学習理論ワークショップ

URL: 

公開日: 2018-12-17  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi