文献

J-GLOBAL ID：201802287857821746   整理番号：18A1416398

材料物性予測のための原子間距離に基づくカーネル設計

Interatomic-Distance-Based Kernels for Material Property Prediction

著者 (4件)： 秋田大空 (京大 大学院情報学研究科) ,  馬場雪乃 (京大 大学院情報学研究科) ,  鹿島久嗣 (京大 大学院情報学研究科) ,  世古敦人 (京大 大学院工学研究科)
資料名： 人工知能学会全国大会論文集(CD-ROM)  (人工知能学会全国大会(CD-ROM))
巻： 31st  ページ： ROMBUNNO.4J1-2in2  発行年： 2017年 
JST資料番号： X0580B  ISSN： 1347-9881  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 材料工学において,結晶化合物の物性を機械学習によって予測する場合,その特徴を適切に記述するためには,どのような元素から構成されているかだけでなく,それらの構造情報についても考慮する必要がある。既存手法として,単位立方体内の原子ペア間の距離情報に着目して特徴ベクトルを構成するなどが存在するが,本研究では構造情報を直接表現するためのカーネルを提案する。(著者抄録)

シソーラス用語： 特性 ,  *材料科学 ,  *予測技法 ,  核間距離 ,  *化合物 ,  *機械学習 ,  元素 ,  ベクトル ,  設計
準シソーラス用語： カーネル設計 ,  *結晶化合物 ,  原子間距離 ,  *材料工学 ,  材料物性 ,  特徴ベクトル

分類 (3件)： 材料試験一般  (HB01000R) ,  構造決定法・回折結晶学一般  (BK01010X) ,  人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 材料物性 ,  予測 ,  原子間距離 ,  カーネル ,  設計