[9p-B21-1~11] 機械学習・AIの融合が拓く応用物理の新潮流 ―機関誌『応用物理』2026年度基礎講座連動企画―

14:10 〜 14:40

[9p-B21-3] 物質・材料開発における物理知識を組み込んだ機械学習とベイズ最適化

〇若林 勇希¹ (1.NTT物性研)

キーワード：

ベイズ最適化、物理知識統合、薄膜成長

材料成長プロセスでは、温度、圧力、フラックス、ガス流量など多数の制御因子が、組成、結晶相、欠陥形成、光学・電気特性に複雑に影響する。このため、高コストな実験を少数試行で進めつつ、物理的に妥当な成長条件へ効率よく到達する最適化手法が重要である。本講演では、データ駆動最適化を材料成長へ適用する枠組みとして、ベイズ最適化 (Bayesian optimization: BO) を基盤としつつ、組成と供給量の関係、格子定数やバンドギャップに関する経験式、化学量論的に妥当な探索領域などの物理知識を組み込むPhysics-informed Bayesian optimization (PIBO) を中心に紹介する。