权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

機械学習と材料データベースを活用したハイスループット計測データの自動解析

使用机器学习和材料数据库自动分析高通量测量数据

基本信息

批准号：
19J22340
负责人：
鈴木雄太
金额：
$ 1.6万
依托单位：
The Graduate University for Advanced Studies
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2019
资助国家：
日本
起止时间：
2019-04-25 至 2022-03-31
项目状态：
已结题

来源：
https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-19J22340/
关键词：
マテリアルズインフォマティクス X線回折機械学習材料科学

项目摘要

結晶構造の同定は材料研究の始点であり、結晶構造の分析のため粉末X線回折法（PXRD）が広く用いられている。粉末XRDパターンを人間が見て直接理解することは困難であるため、結晶構造の情報を抽出するために、リートベルト法と呼ばれるデータ解析法が広く用いられている。これは予め仮定しておいた結晶構造モデルからPXRDパターンをシミュレーションし、その結果が測定したPXRDパターンに一致するように構造モデルをアップデートすることで、実験データによくあてはまった結晶構造を得る手法である。リートベルト法は結晶構造についての様々な情報を得ることができ、信頼のおける手法である一方で、解析に試行錯誤や熟練を要するため、解析に大きな時間的コストがかかるという点で課題があった。昨年度までに、リートベルト解析のワークフロー全体をブラックボックス最適化（数理最適化の問題設定の一つ、具体的な関数形がわからない関数の最適化を扱う）の問題として定式化することでリートベルト法を自動化し、熟練者並みの精度が得られることを実証した（論文出版・ソフトウェア公開済み）。今年度はこの手法をさらに発展させるため、計算機クラスタを用いて多数のパラメータ候補の網羅的実験を行い、「良い結果を与える定石」となるようなパラメータを探索した。さらに、実用に向けた手法のブラッシュアップのため実データを用いたベンチマーク評価を行った。加えて、リートベルト解析を用いない高速な結晶構造解析法や物性予測タスクへの発展についても検討するため、Deep Neural Networkを用いて結晶構造を取り扱う技術について調査・計算機実験を進めた。

The starting point of the study of crystalline structure and isostatic materials, the analysis of crystalline structure and powder X-ray diffraction (PXRD) have been widely used. Powder XRD analysis method is used for direct understanding of crystal structure information. The results of the determination of the crystalline structure are consistent with those of the determination of the crystalline structure. The method of crystal structure is to obtain the information, to analyze the error, to master the problem, and to analyze the problem. Last year, the problem of optimization (mathematical optimization problem setting, specific number of related shapes, optimization of related numbers) was formulated, and the problem was automated, and the accuracy of the solution was verified by the skilled person (paper publication). This year, the development of this method has been carried out, and the computer has been used to explore the implementation of most of the candidate networks, and the "good results" and "fixed stones" have been explored. In the meantime, we're going to use the right tools to make sure that we're not in the wrong position. High speed crystal structure analysis, physical property prediction, development, investigation, Deep Neural Network, crystal structure acquisition, investigation, computer implementation, etc.