X線回折パターンの大量データから機械学習モデルを構築し、
機械学習モデルの解釈を通して、熟練者の経験に基づくルールを定式化した。
大学共同利用機関法人 高エネルギー加速器研究機構
国立大学法人 総合研究大学院大学
大学共同利用機関法人 情報・システム研究機構 統計数理研究所
東京理科大学
国立研究開発法人 科学技術振興機構
概要
高エネルギー加速器研究機構（KEK）物質構造科学研究所 量子ビーム連携研究センターの小野 寛太 准教授、総合研究大学院大学 高エネルギー加速器科学研究科 鈴木雄太（博士後期課程2年）らの研究グループは、統計数理研究所、東京理科大学と共同で、物質・材料の構造評価に不可欠な計測データである粉末X線回折パターンから機械学習を用いて結晶の対称性を予測する手法を開発しました。
さらに機械学習モデルの解析を通じて、これまで明示されていなかった「粉末X線回折パターンを見ただけでおおよその対称性を推定できる熟練者の経験知」を定式化することに成功しました。この研究で用いた解釈可能な機械学習アプローチにより、熟練者の勘・コツのように研究者間で漠然と共有されていた経験的知識を、計測データの中から発見し定式化することが可能となります。それにより、定式化された知識を用いて誰でも熟練者なみの計測データ解析を効率的に行えるようになり、科学研究を加速することが期待されます。
この研究成果は、英国の学術誌「Scientific Reports」に12月11日オンライン掲載されました。
研究成果のポイント
◆機械学習により粉末X線回折パターンから結晶の対称性を予測する手法を開発
◆機械学習モデルの解析により、熟練者が経験を通して習得した勘やコツなどの経験的知識を定式化することに成功
◆研究者間で漠然と共有されている経験的知識を、計測データの中から発見し定式化することが可能となり科学研究の加速が期待される
詳しくは プレスリリース をご参照ください。