研究者詳細 - 旭　良司

本研究では，畳み込みニューラルネットワーク（CNN）を用いて材料の物性予測に必要な特徴を微視組織から自動的に抽出することを試みた．まず，実験で得られた電子顕微鏡像およびイオン伝導度を訓練データとして用いてCNNを訓練した．次に，訓練後のCNNに電子顕微鏡像を入力した際のGlobal Average Pooling（GAP）レイヤー直後の発火と，与えた電子顕微鏡像の教師データ（イオン伝導度）との相関を調べ，正（負）の相関のあるものを高（低）イオン伝導体に特有の特徴と定義した．それぞれの特徴のGAP適用前の特徴マップを比較したところ，結晶欠陥の少ない領域および径の大きなボイドが高イオン伝導体に特有の特徴であり，径の小さなボイドが低イオン伝導体に特有の特徴であることが分かった．この知見は材料技術者の持つ知識と一致しており，CNNによる特徴の自動抽出が有効であることを示すことができた．

DOI： 10.11517/pjsai.JSAI2018.0_3Z103

実験スペクトル自動分解のための線形独立非負行列因子分解法の提案査読有り

吉川信明, 鈴村彰敏, 田島伸, 山川俊輔, 旭良司

人工知能学会全国大会論文集 2018 巻 ( 0 ) 頁： 3Z101 - 3Z101 2018年

担当区分：最終著者記述言語：日本語掲載種別：研究論文（その他学術会議資料等）出版者・発行元：一般社団法人人工知能学会

高速X線測定で得られる多数のXRDスペクトルを単相スペクトルに分解する手法として、線形独立性を考慮した非負値行列因子分解法を提案する。本手法では線形独立性を定量化し、これを非負値行列因子分解の正則化項として利用している。手法自体は非常に簡便ではあるが、本手法により分解されたスペクトルは実際の単相スペクトルとよい一致を示した。これは線形独立性という概念が単相スペクトルの特徴をよく捉えていることを意味する。本手法ではデータベースの参照は行わないため、本手法を用いることで未知の結晶相を発見できる可能性がある。

DOI： 10.11517/pjsai.JSAI2018.0_3Z101

固体系材料インフォマティクスのための畳み込みニューラルネットを活用する3Dボクセルデータ記述子査読有り

梶田晴司, 大庭伸子, 旭良司

人工知能学会全国大会論文集 2018 巻 ( 0 ) 頁： 3Z102 - 3Z102 2018年

担当区分：最終著者記述言語：日本語掲載種別：研究論文（その他学術会議資料等）出版者・発行元：一般社団法人人工知能学会

マテリアルズ・インフォマティクス（MI）は、従来は膨大なコストをかけていた材料探索を、データサイエンスのアプローチから材料探索を加速させる取り組みである。分子系MIと異なり固体系MIの事例は非常に少ない。その理由の一つは、電子やポテンシャルといった結晶全体に広がる３次元の場の量を精確に表現する記述子がないためだ。本研究では、畳み込みニューラルネットを活用してこの３次元の場の量を表現する、逆格子３Dボクセル空間記述子を開発した。680種類の酸化物に対してパフォーマンスを測定したところ、場の量に関連する物理量の回帰精度は従来の記述子の予測精度を超えることが分かった。

DOI： 10.11517/pjsai.JSAI2018.0_3Z102

A Universal 3D Voxel Descriptor for Solid-State Material Informatics with Deep Convolutional Neural Networks 査読有り

Kajita Seiji, Ohba Nobuko, Jinnouchi Ryosuke, Asahi Ryoji

SCIENTIFIC REPORTS 7 巻 ( 1 ) 頁： 16991 2017年12月