[15p-S2_204-1~18] 23.1 Joint Session N "Informatics"

3:30 PM - 3:45 PM JST(6:30 AM - 6:45 AM UTC)

[15p-S2_204-8] Development of a large language model–based materials property prediction model with low training cost and extensible input description

〇(M1)Ryoma Yamamoto¹, Akira Takahashi¹, Kei Terayama^1,2, Yu Kumagai³, Fumiyasu Oba¹ (1.Inst. of Sci. Tokyo, 2.Yokohama City Univ., 3.Tohoku Univ.)

Keywords:

Machine learning,Large Language Model (LLM),Materials Informatics

本研究では、⾃然⾔語による結晶構造記述⽂から⼤規模⾔語モデル(LLM)を⽤いて物性を予測するモデルである ZEBRA-Prop を提案する。 ZEBRA-Prop は先⾏研究の LLM-Prop と⽐較して省学習コストかつ⽂章⻑の制約が少ないという特徴を持つ。物性予測タスクでの検証の結果、ZEBRA-Prop は LLM-Prop に匹敵する予測精度を持ちながら、学習コストを95%削減できることがわかった。