物性予測タスク訓練済みモデルの包括的ライブラリXenonPy.MDLを公開

~転移学習で材料インフォマティクスのスモールデータの壁を乗り越える~

2019.10.01

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
国立研究開発法人 物質・材料研究機構(NIMS)

統計数理研究所とNIMSの共同研究グループは、低分子、高分子、無機材料の45種類の特性を対象に約140,000個の機械学習の予測モデルを開発し、訓練済みモデルライブラリXenonPy.MDLを公開しました。

概要

統計数理研究所と物質・材料研究機構の共同研究グループは、低分子、高分子、無機材料の45種類の特性を対象に約140,000個の機械学習の予測モデルを開発し、訓練済みモデルライブラリXenonPy.MDLを公開しました。XenonPyは、統計数理研究所ものづくりデータ科学研究センターのチーム (Chang Liu 特任助教、野口瑶 特任研究員、Stephen Wu 助教、山田寛尚 特任研究員、吉田亮 同センター長) が物質・材料研究機構と共同開発しているマテリアルズインフォマティクス (MI) のオープンソースプラットフォームです。XenonPyにはMIの様々なタスクを実行する機械学習アルゴリズムが実装されており、ユーザーはAPI経由でXenonPy.MDLの訓練済みモデルを再利用し、材料設計の様々なワークフローを構築できます。今回アメリカ化学会の論文誌ACS Central Scienceに掲載された論文では、 XenonPy.MDLのファーストリリースを発表するとともに物質・材料研究の様々なタスク (スモールデータに基づく低分子・高分子・無機結晶の物性予測) において転移学習が持つ潜在的な予測性能を炙り出すことに成功しました。

本研究の一部は、科学技術振興機構 (JST) のイノベーションハブ構築支援事業「情報統合型物質・材料開発イニシアティブ (MI2I: “Materials research by Information Integration” Initiative) 」 (拠点 : 物質・材料研究機構、プロジェクト実施期間 : 2015-2019年度) の支援により実施されました。

「プレスリリース中の図 : 転移学習による高分子物性 (熱伝導率) の予測。高分子熱伝導率の19件の訓練データを用いて、XenonPy.MDLの高分子のガラス転移温度、低分子化合物の比熱容量等の訓練済みモデルを転移し、外挿性を持つ予測モデルを構築することに成功」の画像

プレスリリース中の図 : 転移学習による高分子物性 (熱伝導率) の予測。高分子熱伝導率の19件の訓練データを用いて、XenonPy.MDLの高分子のガラス転移温度、低分子化合物の比熱容量等の訓練済みモデルを転移し、外挿性を持つ予測モデルを構築することに成功

掲載論文

題目 : Predicting materials properties with little data using shotgun transfer learning
著者 : Hironao Yamada, Chang Liu, Stephen Wu, Yukinori Koyama, Shenghong Ju, Junichiro Shiomi, Junko Morikawa, Ryo Yoshida
雑誌 : ACS Central Science
掲載日時 : 2019年9月30日午後9時 (9月30日午前8時 米国東部標準時 (EST) )
DOI : 10.1021/acscentsci.9b00804

関連ファイル・リンク

本件に関するお問合せ先

(研究内容について)

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
ものづくりデータ科学研究センター長、
教授

国立研究開発法人 物質・材料研究機構
統合型材料開発・情報基盤部門
情報統合型物質・材料研究拠点
物質・材料記述基盤グループ長

吉田 亮 (よしだ りょう)
TEL: 050-5533-8534
E-Mail: yoshidar=ism.ac.jp
([ = ] を [ @ ] にしてください)

(報道・広報について)

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
運営企画本部企画室 URAステーション
〒190-8562　東京都立川市緑町10-3
TEL: 050-5533-8580
FAX: 041-526-4348
E-Mail: ask-ura=ism.ac.jp
([ = ] を [ @ ] にしてください)
国立研究開発法人 物質・材料研究機構
経営企画部門　広報室
〒305-0047　茨城県つくば市千現1-2-1
TEL: 029-859-2026
FAX: 029-859-2017
E-Mail: pressrelease=ml.nims.go.jp
([ = ] を [ @ ] にしてください)

似たキーワードを含む プレスリリース

2020.11.30
機械学習により超合金粉末の製造コスト削減に成功 (機械学習,JST)
2020.10.21
機械学習により薄膜作製プロセスの高速化を実現 (機械学習,JST)
2020.05.12
機械学習により世界最高クラスの磁気冷凍材料を発見 (機械学習,JST)