[17a-S2_204-1~13] 23.1 Joint Session N "Informatics"

9:00 AM - 9:15 AM JST(12:00 AM - 12:15 AM UTC)

[17a-S2_204-1] Self-Supervised Pretraining for Materials Property Prediction

〇Shin Kiyohara¹, Hinata Ota¹, Yu Kumagai^1,2 (1.IMR, Tohoku Univ., 2.OAS, Tohoku Univ.)

Keywords:

Self-supervised learning,Graph convolutional neural network

組成・結晶構造情報のみから物性を予測して有望材料を高速探索する仮想スクリーニングが注目される一方、多くの物性では大規模なデータが存在しない。そこで本研究では、第一原理計算を要する教師あり事前学習の代替として、原子をマスクし周辺環境から原子種を当てる自己教師あり事前学習をCGCNNに導入し、MatbenchでファインチューニングとCV評価を行った。結果、バンドギャップMAEは5.5%、形成エネルギーは12.9%低減した。