講演情報
[16a-K505-6]ニューラルネットワークを用いた化学組成による実験値バンドギャップ予測のアンサンブル学習
〇増田 太一1、田辺 克明1 (1.京大工)
キーワード：
半導体、バンドギャップ、機械学習
バンドギャップは、半導体材料の電子・光デバイスの性質を決定付ける重要な物性値である。しかし、これまでの計算法ではその精度や計算コストが課題とされてきた。本研究では、高精度かつ高速で予測するために、元素の組成のみからの実験値バンドギャップの予測を行うニューラルネットワークを組み合わせたアンサンブル学習モデルを提案した。我々が開発したモデルは、既存の機械学習モデルの中で最高の予測精度を達成した。