[18p-A24-1~13] 23.1 合同セッションN「インフォマティクス応用」

14:00 〜 14:15

[18p-A24-3] 学習済みモデルを特徴量抽出器として用いた外挿的物性予測の検討

〇杉浦 佑^1,2、柴田 基洋^1,3、川口 直登³、溝口 照康^1,3 (1.東大生研、2.三菱マテリアル、3.東大院工)

キーワード：

マテリアルズインフォマティクス、機械学習、外挿性

効率的な材料開発には結晶構造からの物性予測が重要である。近年高い予測精度を持つモデルが多数開発されているものの、実際の開発で必要な外挿的予測については十分に検証されていない。本研究では学習済みGNNにより特徴量を抽出してシンプルなモデルで物性値を予測する手法が外挿的予測に有効か検討した。層間化合物のデータセットで検証した結果、内挿的予測では高い精度を示し、タスクによっては外挿も可能であった。