文献

J-GLOBAL ID：201802259920085167   整理番号：18A1796464

機械学習のための母物質・添加物判別型記述子の提案と熱電材料特性予測への応用

著者 (3件)： 羽川令子 (パナソニック) ,  玉置洋正 (パナソニック) ,  森川幸治 (パナソニック)
資料名： 精密工学会大会学術講演会講演論文集  (精密工学会大会シンポジウム資料集)
巻： 2018  号： 秋季(CD-ROM)  ページ： ROMBUNNO.F02-5  発行年： 2018年08月20日 
JST資料番号： Y0914A  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)

シソーラス用語： *機械学習 ,  添加剤 ,  *統制索引語 ,  *熱電材料 ,  情報 ,  固有値 ,  計算
準シソーラス用語： 添加物 ,  *記述子 ,  特徴量 ,  特性値 ,  第一原理計算

分類 (2件)： 人工知能  (JE08000Z) ,  熱物性一般  (BL05010C)

引用文献 (6件)：

• Pilania, Ghanshyam, et al. ′′Machine learning bandgaps of double perovskites.′′ Scientific reports 6 (2016): 19375.
• Seko, Atsuto, et al. ′′Representation of compounds for machine-learning prediction of physical properties.′′ Physical Review B 95.14 (2017): 144110.
• A. Furmanchuk, et al. “Prediction of seebeck coefficient for compounds without restriction to fixed stoichiometry: a machine learning approach”, J Comput Chem, 39 (4) (2018), pp. 191-202.
• M. W. Gaultois, et al. “Data-Driven Review of Thermoelectric Materials: Performance and Resource Considerations”, Chem. Mater., 2013 25, 2911.
• Belsky, A., Hellenbrandt, M., Karen, V. L. & Luksch, P. (2002). Acta Cryst. B58, 364-369.

タイトルに関連する用語 (10件)： 機械学習 ,  母 ,  物質 ,  添加物 ,  判別 ,  記述子 ,  提案 ,  熱電材料 ,  予測 ,  応用