講演情報
[8a-N302-4]材料探索における生成AIの事前知識とベイズモデル平均化によるデータ影響を融合した特徴量選択の信頼性つき重要度の推定
〇並内 優樹1、北村 優佳2、畠山 歓3、緒明 佑哉2、五十嵐 康彦1 (1.筑波大、2.慶応大、3.東京大)
キーワード：
スパースモデリング、大規模言語モデル、LLM事後確率
材料探索では少量データでも機能する特徴量選択が求められる．本研究では，LLMが生成する特徴量の事前確率とベイズモデル平均化によるデータ寄与を統合し，事後確率に基づき特徴量を選択する手法を提案した．ナノシート材料収率を対象に検証した結果，選択頻度に基づく事前確率は尤度より特徴量差を表現でき，探索過程で事後確率を更新することで，全特徴量利用や静的選択を上回る材料探索性能を達成した．