Heterogeneous metric learning に基づく結晶構造予測

基于异构度量学习的晶体结构预测

• 批准号: 22K21292
• 负责人: 草場 穫
• 金额: $ 0.67万
• 依托单位: The Institute of Statistical Mathematics
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Research Activity Start-up
• 财政年份: 2022
• 资助国家: 日本
• 起止时间: 2022-08-31 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22K21292/
• 关键词: 結晶構造予測; Heterogeneous距離学習; 元素置換; マテリアルズインフォマティクス; 計算による新規材料発見; 距離学習; 計算機による材料探索; 機械学習; 結晶構造予測; Heterogeneous距離学習; 元素置換; マテリアルズインフォマティクス; 計算による新規材料発見; 距離学習; 計算機による材料探索; 機械学習

本研究は、heterogeneous metric learningに基づいたテンプレートベースの新たな結晶構造予測手法の提案を目的としている。本手法では、与えられた化学組成と結晶構造のペアが安定構造であるか否かを判別する関数を結晶構造データベースから学習し、その関数の評価値に基づいたテンプレート構造の提案によって構造予測を行う。本研究は研究者自身による先行研究 [1] の直接的な発展手法である。この先行研究は、homogeneous metric learning に基づいたテンプレートベースの結晶構造予測手法であり、申請書を作成した段階では未採択であったが当該年度8月に公式に雑誌からpublishされた [1]。当該年度では、化学組成と結晶構造のペアが安定構造であるか否かを判別する関数の推定のために、既存のheterogeneous metric learning手法の調査、数値実験による比較を行った。その結果、9割を超える精度で判別可能な予測モデルの獲得に成功した。また、化学組成等の情報をできるだけ情報損失が少なく記述子 (=固定長ベクトル) に変換する一般的な枠組みとしてカーネル平均記述子を開発した。本手法のコードは既に公開している [2]。本記述子の使用による予測精度の改善は複数の機械学習例で確認されている。[1] Kusaba, M., Liu, C., & Yoshida, R. (2022). Crystal structure prediction with machine learning-based element substitution. Computational Materials Science, 211, 111496.[2] https://github.com/Minoru938/KmdPlus

这项研究旨在基于异质度量学习提出一种新的基于模板的晶体结构预测方法。在此方法中，确定给定的化学成分和晶体结构对是否是从晶体结构数据库中学到的稳定结构的函数，并且通过根据函数的评估值提出模板结构来执行结构预测。这项研究是研究人员本身的直接开发方法[1]。这项先前的研究是一种基于模板的晶体结构预测方法，基于均匀度量学习，尽管在准备申请时未接受它，但它是由年8月的杂志正式发表的[1]。在今年，我们研究了现有的异质度量学习方法，并使用数值实验比较了它们，以估计确定一对化学成分和晶体结构是否稳定结构的功能。结果，我们成功地获得了一个预测模型，该模型可以以超过90％的精度来区分。此外，我们已经开发了一个内核平均描述符，作为将信息组成等信息转换为描述符（=固定长度向量）的一般框架，而信息丢失尽可能少。该方法的代码已经发布[2]。在几个机器学习示例中已经确认了通过使用该描述符来提高预测准确性。 [1] Kusaba，M.，Liu，C。和Yoshida，R。（2022）。基于机器学习的元素替代的晶体结构预测。计算材料科学，211，111496。[2] https://github.com/minoru938/kmdplus