[G] データ科学

10:30 〜 10:45

[165] 深層学習モデルの特徴抽出とクラスタリングによる光吸収スペクトルデータベースの解釈

○高橋 亮¹、熊谷 悠²、高松 新⁴、大場 史康^1,3 (1. 科学大フロンティア研、2. 東北大金研、3. 科学大MDXES、4. 科学大フロンティア研（院生）)

キーワード：

第一原理計算、機械学習

近年、グラフニューラルネットワーク等の深層学習手法の発展により、誘電関数や状態密度関数などのスペクトル物性の高精度な予測が可能となっている。一方で機械学習モデルの構造やパラメータに基づいてデータベースの俯瞰的解析を行う説明・解釈可能AI手法も注目されているが、スペクトルのような高次元データの解釈手法は未だ限定的である。本研究ではグラフニューラルネットワークの中間層特徴量に基づいた物質群の分類手法を開発し、無機物質の光吸収スペクトルデータベースに適用した。