つくば、日本、30年2021月XNUMX日–（ACN Newswire）– 新しいアプローチでは、機械学習モデルをトレーニングして、簡単な測定で得られたデータのみを使用して材料の特性を予測し、現在使用されているものと比較して時間と費用を節約できます。 これは、物質・材料研究機構（NIMS）、旭化成株式会社、三菱化学株式会社、三井化学、住友化学の研究者によって設計され、ジャーナルScience and Technology of Advanced Materials：Methodsに報告されました。
 |
| 新しいアプローチでは、X線回折などの測定が容易な実験データを使用して、引張弾性率などの測定が困難な実験データを予測できます。 さらに、新しい材料を設計したり、既知の材料を再利用したりするのに役立ちます。 |
 |
「機械学習は、特定の特性を持つ材料を製造するために必要な元素の組成とプロセスを予測するための強力なツールです」と、マテリアルズインフォマティクスの分野を専門とするNIMSの主任研究員である田村亮は説明します。
この目的のために機械学習モデルをトレーニングするには、通常、膨大な量のデータが必要です。 XNUMX種類のデータが使用されます。 制御可能な記述子は、化学元素や合成に使用されるプロセスなど、材料を作成せずに選択できるデータです。 しかし、X線回折データのような制御できない記述子は、材料を作成して実験を行うことによってのみ取得できます。
「制御できない記述子を使用して、材料特性をより正確に予測するための効果的な実験計画法を開発しました」と田村氏は言います。
このアプローチでは、制御可能な記述子のデータセットを調べて、モデルの精度を向上させるために使用するターゲットプロパティを備えた最適な材料を選択します。 この場合、科学者は75種類のポリプロピレンのデータベースに問い合わせて、特定の機械的特性を持つ候補を選択しました。
次に、材料を選択し、X線回折データや機械的特性など、制御できない記述子のいくつかを抽出しました。
このデータは現在のデータセットに追加され、制御不能な記述子のみを使用して材料の特性を予測する特別なアルゴリズムを採用した機械学習モデルをより適切にトレーニングします。
「私たちの実験計画法は、測定しやすいデータを使用して測定が難しい実験データを予測するために使用でき、コストを削減しながら、新しい材料を設計したり、既知の材料を再利用したりする能力を加速します」と田村氏は言います。 予測方法は、材料の構造が特定の特性にどのように影響するかについての理解を深めるのにも役立ちます。
チームは現在、日本の化学メーカーと協力して、アプローチのさらなる最適化に取り組んでいます。
さらに詳しい情報
田村亮
物質・材料研究機構（NIMS）
Email: tamura.ryo@nims.go.jp
先端材料の科学と技術について：方法（STAM方法）
STAM Methodsは、Science and Technology of Advanced Materials（STAM）のオープンアクセス姉妹ジャーナルであり、方法論、装置、計測、モデリング、ハイスループットデータなど、材料開発を改善および/または加速するための新しい方法とツールに焦点を当てています。コレクション、材料/プロセス情報学、データベース、およびプログラミング。 https://www.tandfonline.com/STAM-M
篠原義和博士
STAMメソッドパブリッシングディレクター
Email: 篠原良和@nims.go.jp
先端材料の科学と技術のためのアジア研究ニュースによって配布されたプレスリリース。
トピック：プレスリリースの概要
情報源： 先端材料の科学と技術
セクター： 科学とナノテク
https://www.acnnewswire.com
アジア企業ニュースネットワークから
Copyright©2021ACNNewswire。 全著作権所有。 アジア企業ニュースネットワークの一部門。
