講演情報
[22p-52A-10]異方性を考慮したグラフニューラルネットワークの開発：異方的ELNES/XANES スペクトル予測への利用
〇柴田 基洋1、溝口 照康1 (1.東大生研)
キーワード：
マテリアルズ・インフォマティクス,内殻励起電子スペクトル,機械学習
近年, 原子配置から構成したグラフ構造を説明変数とするグラフニューラルネットワーク(GNN)が提案されているが, 多くのGNNは構造グラフのみを説明変数とし, 構造に対する外場などの方位依存性を扱えない. そこで本研究では, 構造情報に加え遷移双極子モーメントの方位を説明変数とし, 異方性を考慮したスペクトル形状予測が可能なGNNを考案し, 有機分子の炭素K端スペクトルデータベースに対して適用して予測性能を検証した.