文献

J-GLOBAL ID：202002252347848966   整理番号：20A2526062

インフォマティクス入門-3 材料工学における機械学習による順解析と逆解析

Direct Analysis and Inverse Analysis by Machine Learning in Material Science and Engineering

著者 (3件)： 足立吉隆 (名古屋大 大学院工学研究科) ,  小川登志男 (名古屋大 大学院工学研究科) ,  WANG Zhi-Lei (名古屋大 大学院工学研究科)
資料名： ふぇらむ  (日本鉄鋼協会会報)
巻： 25  号： 11  ページ： 695-709  発行年： 2020年11月01日 
JST資料番号： L2666A  ISSN： 1341-688X  資料種別： 逐次刊行物 (A)
記事区分： 解説  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： ・材料組織と特性を関連づける重要な特徴量を見極め,入力変数と出力変数の関係を最適にモデル化するための機械学習の有用性。
・最適な順解析モデルを作るために,コンピューターが重要な入力変数を選択する手法として,赤池情報量基準,ベイズ情報量規準,lasso回帰,感度解析等を解説。
・重要と判断された入力変数を記述子として採用し,更にそれ以外の入力変数の影響度を残したい場合に行う次元圧縮の方法としての主成分分析,t-SNE法,機械学習により主成分軸を見つけるオートエンコーダー法。
・順解析において入力因子と出力因子の相関を高精度で表現する機械学習法として,ニューラルネットワーク回帰,サポートベクター回帰,ランダムフォレスト回帰について解説。
・実験,理論,シミュレーションを効率的,全数探索的に行い,特性間の最適なバランスを有する材料を得る逆解析で用いる,遺伝的アルゴリズム,粒子群最適化,ベイズ最適化手法。
・画像の材料工学的に重要な特徴量抽出を得意とする材料情報統合システムMIPHAと画像工学的に重要な特徴量抽出を得意とするshinyMIPHAの紹介と,将来的に材料工学に適用を期待される機械学習。

シソーラス用語： *材料科学 ,  *機械学習 ,  解析 ,  情報 ,  特徴抽出 ,  評価基準 ,  標準 ,  Bayes推定 ,  感度解析 ,  次元縮小 ,  主成分分析 ,  アルゴリズム ,  ニューラルネットワーク ,  サポートベクトルマシン ,  計算機アルゴリズム ,  遺伝的アルゴリズム ,  スウォーム ,  最適化手法
準シソーラス用語： 逆解析 ,  特徴量 ,  赤池情報量規準 ,  ベイズ情報量基準 ,  オートエンコーダ ,  ニューラルネットワークモデル ,  ランダムフォレスト ,  粒子群最適化

分類 (2件)： 人工知能  (JE08000Z) ,  材料試験一般  (HB01000R)

引用文献 (27件)：

• 足立吉隆,Z.L. Wang,小川登志男: ふぇらむ, 25 (2020) 9, 569.
• 足立吉隆,Z.L. Wang,小川登志男: ふぇらむ, 25 (2020) 10, 628.
• 冨岡亮太: スパース性に基づく機械学習, 講談社サイエンティフィック, 東京, (2015)
• H. Akaike: Proc. of the 2nd International Symposium on Information Theory, ed. by B. N. Petrov and F. Caski, Akadimiai Kiado, Budapest, (1973), 267.
• H.S. Bhat and N. Kumar: On the derivation of the Bayesian information criterion, School of Natural Sciences, University of California, (2010)

タイトルに関連する用語 (6件)： インフォマティクス ,  材料工学 ,  機械学習 ,  順 ,  解析 ,  逆解析