[3J1-OS-15a] AI for Scienceのリアル

9:15 〜 9:30

[3J1-OS-15a-02] 事前分布の導入を通じたリートベルト解析の効率化

〇髙垣 典寿¹、伊藤 優成¹、尾崎 嘉彦²、鈴木 雄太³、鈴木 謙介¹、小野 寛太¹ (1. 大阪大学、2. 株式会社Preferred Networks、3. トヨタ自動車株式会社)

キーワード：

リートベルト解析、機械学習、ブラックボックス最適化、事前分布

本研究の目的は、ブラックボックス最適化（BBO）を用いたリートベルト解析において、粉末X線回折（XRD）パターンの潜在的特徴を事前知識として活用し、探索効率を向上させる新たな枠組みを提案することである。従来のBBO解析では、バックグラウンド等の多数のパラメータが広大な探索空間を形成し、多くの試行が有効解に結びつかないという課題があった。本研究では、XRDパターンから解析パラメータを機械学習によって推定し、それを最適化における事前分布として組み込むことで、探索を誘導する枠組みを構築した。その具体例として、Transformerモデルを用いてバックグラウンドの関数タイプや次数を推定し、Tree-structured Parzen Estimator（TPE）に反映させる手法を検討した。シミュレーションデータによる検証では、提案手法は従来法と比較して少ない試行回数で良好な残差（Rwp）へ収束し、探索効率の向上が確認された。本研究は、XRDパターンに含まれる情報を学習により抽出し、リートベルト解析を補助する汎用的な枠組みの有効性を示すものであり、今後は他の解析パラメータへの拡張が期待される。