文献

J-GLOBAL ID：201902269033665117   整理番号：19A2683163

機械学習を用いた組成式からの無機化合物結晶系予測

著者 (8件)： 見内伸之 (東大 大学院) ,  田中健一 (東大 大学院) ,  中野博史 (ソニー) ,  浮田昌一 (ソニー) ,  白沢楽 (ソニー) ,  冨谷茂隆 (ソニー) ,  小寺正明 (東大 大学院) ,  船津公人 (東大 大学院)
資料名： ケモインフォマティクス討論会予稿集(Web)  (Proceedings of the Symposium on Chemoinformatics (Web))
巻： 42nd  ページ： ROMBUNNO.1P22(J-STAGE)  発行年： 2019年 
JST資料番号： U0627A  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 近年は情報科学理論・コンピュータの性能向上に伴い,マテリアルズインフォマティクスが盛んに研究されている。特に与えられた組成式からその結晶構造を機械学習を用いて予測する研究は多くの報告例があった。しかし,機械学習を用いた予測モデルは結晶形成に影響を与える化学/物理的因子を調べることが難しく,未だ結晶決定に関する謎は多く残されていた。そこで本研究では無機化合物の結晶系を組成式から予測する解釈性の高い機械学習モデルを構築し,予測と共にその因子を調べた。組成式を構成している原子の原子半径・組成等から作成した128個の特徴量を用いて無機化合物の結晶系を予測した。機械学習モデルRandom Forestを用いた予測モデルは0.682の正解率を示した。加えてRandom Forestから得られた特徴量の寄与率を調べたところ,組成(特に組成の比率)が結晶系予測に大きく寄与していることが明らかとなった。構成元素に拘らない組成比依存性が結晶決定にはあることを初めて示した。(著者抄録)

シソーラス用語： *機械学習 ,  *予測モデル ,  材料科学 ,  情報科学 ,  *結晶構造 ,  予測 ,  無機化合物 ,  化学表記法 ,  計算機アルゴリズム ,  依存性 ,  比率 ,  化学組成 ,  精度 ,  結晶系 ,  情報処理 ,  データベース ,  組成式 ,  予測精度 ,  *モデル ,  人文科学
準シソーラス用語： マテリアルズインフォマティクス ,  ランダムフォレスト ,  組成比

分類 (2件)： 人工知能  (JE08000Z) ,  無機化合物の結晶構造一般  (BK07001T)

タイトルに関連する用語 (5件)： 機械学習 ,  組成式 ,  無機化合物 ,  結晶系 ,  予測