文献

J-GLOBAL ID：202002223299476786   整理番号：20A1509685

IRNet 材料発見のための汎用深層残差回帰フレームワーク【JST・京大機械翻訳】

IRNet A General Purpose Deep Residual Regression Framework for Materials Discovery

著者 (8件)： Jha Dipendra (Northwestern University, Evanston, IL, USA) ,  Ward Logan (University of Chicago & Argonne National Lab, Chicago, IL, USA) ,  Yang Zijiang (Northwestern University, Evanston, IL, USA) ,  Wolverton Christopher (Northwestern University, Evanston, IL, USA) ,  Foster Ian (University of Chicago & Argonne National Lab, Chicago, IL, USA) ,  Liao Wei-keng (Northwestern University, Evanston, IL, USA) ,  Choudhary Alok (Northwestern University, Evanston, IL, USA) ,  Agrawal Ankit (Northwestern University, Evanston, IL, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： KDD ’19  ページ： 2385-2393  発行年： 2019年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 材料発見は,多くの領域における科学的進歩を作るために重要である。実験と第一原理計算からのデータの収集は,組成や結晶構造から材料特性までマッピングできる予測モデルを作成するための機械学習法の適用に関心が寄せられている。一般的に,これらは,材料組成と/または結晶構造を表す数値属性から成る1Dベクトルである入力による回帰問題である。完全接続層から成るニューラルネットワークをそのような問題に適用したが,それらの性能は,ネットワーク深さが増加するとき,しばしば消失勾配問題に悩まされる。したがって,そのようなタスクに対する予測モデリングは,ランダムフォレストのような従来の機械学習技術に限られていた。本論文では,入力として数値ベクトルを持つ完全接続層から成る深層回帰ネットワークを構築するための設計原理を研究し,提案した。各層がその出力と入力の間の残留マッピングを学習するので,個々の残差学習,IRNetを持つ新しい深層回帰ネットワークを導入した。材料組成及び/又は結晶構造に由来する数値属性から無機材料の学習特性の問題を用いて,IRNetの性能を他の機械学習法と比較した。訓練と評価のためのオープン量子材料データベース(OQMD)と材料プロジェクトからの多重データセットを用いて,IRNetは,現在,ドメイン科学者によって使用されている最先端の機械学習手法よりも,著しく優れた予測性能を提供することを示した。また,個々の残差学習のIRNet使用は,同じ数のパラメータを維持しながら,ショートカット接続が多層スタック間にある場合よりも,訓練フェーズ中により良い収束をもたらすことも示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 結晶構造 ,  ベクトル ,  学習 ,  ネットワーク ,  ニューラルネットワーク ,  *残差 ,  無機材料 ,  一次元 ,  機械学習 ,  予測モデル
準シソーラス用語： 第一原理計算 ,  ランダムフォレスト ,  機械学習技術 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (6件)： 深層学習 ,  深層ニューラルネットワーク ,  深い回帰 ,  深い残差ネットワーク ,  材料発見 ,  予測モデリング

分類 (2件)： 人工知能  (JE08000Z) ,  ニューロコンピュータ  (JC06010Q)

タイトルに関連する用語 (5件)： 発見 ,  汎用 ,  深層 ,  残差 ,  フレームワーク