セッション詳細

[22p-52A-1~17]23.1 合同セッションN「インフォマティクス応用」

2024年3月22日(金) 13:00 〜 17:45
52A (5号館)
溝口 照康(東大)、 岩﨑 悠真(物材機構)、 安藤 康伸(産総研)

[22p-52A-1]機械学習を用いた遷移金属合金の結晶磁気異方性定数の予測

〇須藤 錬1、大兼 幹彦1 (1.東北大工)

[22p-52A-2]少数実験データに対する機械学習を活用したパターン倒壊抑制に有効な昇華材料の探索

〇國枝 省吾1、佐々木 悠太1、塙 洋祐1、尾辻 正幸1、上島 仁2、新谷 俊了2、中島 翔太2、吉田 亮3 (1.株式会社SCREENホールディングス、2.株式会社システム計画研究所、3.統計数理研究所)

[22p-52A-3]大規模量子化学計算によるデータ生成と波動関数に基づくマテリアル記述子を用いた有機半導体材料開発

河本 奈々1、〇西野 信也1、星 健夫2 (1.住友化学株式会社、2.核融合科学研究所)

[22p-52A-4]2段階機械学習モデルによる新規光触媒材料探索アプローチの提案

〇高原 渉1、馬場 隆斗1、原嶋 庸介1,4、高山 大鑑1,4、高須賀 聖五1、山口 友一2,3、工藤 昭彦2,3、藤井 幹也1,4,5 (1.奈良先端大物質、2.東京理大理、3.東京理大総研カーボンバリュー、4.奈良先端大DSC、5.奈良先端大CMP)

[22p-52A-5]遺伝的アルゴリズムと機械学習力場を活用した固体電解質材料探索

〇中野 高毅1、山崎 久嗣1、齋藤 信1 (1.トヨタ自動車)

[22p-52A-6]勾配ベースの逆問題解法による効率的な高温超伝導体の探索

〇藤井 亮宏1、清水 康司1、渡邉 聡1 (1.東京大工)

[22p-52A-7]グラフニューラルネットワークとモンテカルロサンプリングを用いた誘電率予測

〇(M2)島野 雄帆1、Alex Kutana1、旭 良司1 (1.名大工)

[22p-52A-8]部分置換試料の超伝導転移温度グラフニューラルネットワーク学習

〇寺嶋 健成1、董 拓1,2、高野 義彦1,3 (1.物材機構、2.東京理科大、3.筑波大)

[22p-52A-9]結晶グラフによる熱電材料特性マッピングと最適材料推定

〇橋本 佑介1、Xue Jiu2、Hao Li2、笘居 高明1 (1.東北大学際研、2.東北大AIMR)

[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)

[22p-52A-11]電子分光シミュレータを活用したXPS基底関数の抽出と試料構造推定

〇米田 駿一1、村上 諒2、永田 賢二2、篠塚 寛志2、吉川 英樹2、田中 博美1、田沼 繁夫2 (1.米子高専、2.物質・材料研究機構)

[22p-52A-12]X線吸収分光顕微鏡計測に対する計測最適化

〇伊藤 優成1、武市 泰男1、日野 英逸2、小野 寛太1 (1.阪大、2.統数研)

[22p-52A-13]機械学習を用いたBN結晶構造とXASスペクトルと電子状態の関係接続

〇(B)長谷川 礼佳1、Varadwaj Arpita1、Foggiatto Alexandre1、新部 正人2、安藤 康伸3、松田 巌2、小嗣 真人1 (1.東理大先進工、2.東大物性研、3.産総研)

[22p-52A-14]結晶グラフ畳み込みニューラルネットワークを用いた結晶構造からの吸収係数スペクトル直接予測

〇山本 祐輝1、林 真弘1、岡 亮輔1、藤原 裕之1 (1.岐阜大)

[22p-52A-15]無機材料のX線回折パターンから空間群を予測する畳み込みニューラルネットワークの特性と実験データへの適用

〇尾崎 弘幸1、石田 直哉1、清林 哲1 (1.産総研)

[22p-52A-16]XRDデータにおけるベイズ推定を用いた結晶相の自動同定

〇村上 諒1、松下 能孝1、永田 賢二1、庄野 逸2、吉川 英樹1 (1.NIMS、2.電通大)

[22p-52A-17]拡散モデルを用いた回転・並進に対する同変・不変量の同時生成による結晶構造生成

〇高原 泉1、柴田 基洋1、溝口 照康1 (1.東大生研)