グラフニューラルネットワークとマルチタスク学習による汎用的物性予測モデルの構築
- 1.3 統計、機械学習、データ同化、アルゴリズム、数理的基礎、データマイニング
- 2.1 マテリアル科学（マテリアルインフォマティクス、リモート実験、ラボオートメーション等）
華井 雅俊
情報基盤センター
特任助教
電池、半導体、触媒、医薬品などの材料開発全般において、膨大にある候補材料のさまざまな物質的性質 (物性) を比較解析することが不可欠であるが、それら候補全てを実際に作り検証することは現実的で ない。そのため分子構造などの比較的簡単に得られる物質情報から物性を予測・計算することが重要ある。
本研究は、グラフニューラルネットワークとマルチタスク学習を利用し、様々な物性を高精度に予測 可能な汎用機械学習モデルを構築することを目的とする。物質の分子構造 (グラフ) を入力とし、グラ フニューラルネットワークを用いてその物性値を予測する。また、マルチタスク学習を利用すること で、広範囲な材料群で明らかになっている一部の物性値だけでなく、少数のデータのみ取得できる他の多くの物性値データを活用することを目指す。
共同実施者
東京大学 工学系研究科
関連するSDGs項目
問い合わせ先
- 担当： 華井 雅俊
- メールアドレス： hanai[at]ds.itc.u-tokyo.ac.jp
※[at]を@に置き換えてください
- カテゴリナビ
