[18p-S2_204-1~10] 23.1 Joint Session N "Informatics"

2:00 PM - 2:15 PM JST(5:00 AM - 5:15 AM UTC)

[18p-S2_204-1] Bayesian optimization of oxide thin-film growth by weighting the acquisition function using physics-based information

〇Yuuki Wakabayashi¹, Takuma Otsuka², Yoshiharu Krockenberger¹, Yoshitaka Taniyasu¹ (1.NTT BRL, 2.NTT CS lab.TT)

Keywords:

physics informed machine learning,Bayesian optimization,LaAlO3

ベイズ最適化 (Bayesian Optimization: BO) は、薄膜合成プロセスの機械学習にもとづく効率化・自律化を加速する中核手法として広く用いられている。しかし、ストイキオメトリのような薄膜合成における重要制約が明示的に組み込まれていない、標準的なBOでは、探索過程において「実験しても有望さに欠く領域」が頻繁に提案され、最適化効率が低下することがある。本研究では、獲得関数の簡単な修正により結晶成長の事前知識を導入する physics-informed Bayesian optimization (PIBO)を提案する。具体的には、期待改善量 (EI) に対し、供給元素の名目化学量論比近傍に平坦な窓関数を定義し、窓外の提案を抑制する。これにより、材料合成に内在する物理・化学的制約を反映しつつ、制約内での探索の多様性と最適化性能を両立できる実験実装に適したBOの拡張を実現する。