| 講演名 | 2023-06-29 ガウス過程回帰に基づく結晶構造X線吸収スペクトル予測と価数比推定 岩下 拓未(名工大), 平井 悠喜(名工大), 小林 亮(名工大), 田村 友幸(名工大), 烏山 昌幸(名工大), |
|---|---|
| PDFダウンロードページ |  PDFダウンロードページへ |
| 抄録(和) | X線吸収スペクトルは結晶構造の解析に有用な実験計測技術として知られている．スペクトルデータは結晶内の原子配置の構造情報を反映したものになるため構造を知る手がかりになる．ただし，実験で得られるスペクトルは結晶内の構造を平均化したものになるため，単一の結晶内に複数の異なる局所構造が含まれる場合にそれらを切り分けることができない．そこで近年では，理論計算によるスペクトルのシミュレーション計算が可能になっており，構造モデルから計算したスペクトルを手がかりに構造解析を行うこともできるが，計算コストが非常に高く網羅的に調べられるようなものではない．そこで本研究では，電池材料であるSiOデータを例に結晶構造のスペクトル予測および価数比推定について，ガウス過程回帰に基づく方法を提案する．SiO中にはO原子のついている個数により, 0〜4価までのSiが結晶内部に存在しており，この比がスペクトルの形状に影響を与えていると推論されるが，実験スペクトルからこの比を直接知ることはできない．そこでまず，シミュレーションデータを訓練データとし，価数比ごとのスペクトル予測を考える．それぞれの価数は構造的揺らぎを保つため，その揺らぎを入力の不確実と捉えたガウス過程回帰による予測分布の構築について述べる．さらに，推定された価数ごとの予測分布に基づき，実験計測された結晶全体の平均スペクトルから価数比を逆算的に推論する手法を提案する．また，計算機実験によりその有効性を確かめる. |
| 抄録(英) | X-ray absorption spectra are known as a useful experimental measurement technique for crystal structure analysis. Spectral data can provide clues to the structure of a crystal because they reflect the structural information of the arrangement of atoms in the crystal. However, since the experimentally obtained spectrum is an averaged spectrum of the crystal structure, it is not possible to separate multiple different local structures in a single crystal. Recently, simulation calculations of spectra based on theoretical calculations have become available, and structural analysis can be performed using spectra calculated from structural models, but the computational cost is very high and is not comprehensive. In this study, we propose a method based on Gaussian process regression for prediction spectrum and valence ratio estimation of crystal structure using SiO data as an example, which is a battery material. It is inferred that this ratio affects the shape of the spectrum, but this ratio cannot be directly obtained from the experimental spectrum. Therefore, we first consider the prediction spectrum for each valence ratio, using the simulation data as training data. Since each valence ratio retains structural fluctuations, we consider these fluctuations as input uncertainties and describe the construction of a prediction distribution using Gaussian process regression. Based on the estimated prediction distribution for each valence, we propose a method for inferentially inferring the valence ratio from the average spectrum of the entire crystal measured experimentally. The effectiveness of the method is verified by computer experiments. |
| キーワード(和) | ガウス過程回帰 / マルチタスクガウス過程回帰 / 入力不確実なガウス過程回帰 |
| キーワード(英) | Gaussian Process Regression / Multitask Gaussian Process Regression / Input Uncertain Gaussian Process Regression |
| 資料番号 | NC2023-3,IBISML2023-3 |
| 発行日 | 2023-06-22 (NC, IBISML) |
| 研究会情報 | |
| 研究会 | NC / IBISML / IPSJ-BIO / IPSJ-MPS |
|---|---|
| 開催期間 | 2023/6/29(から3日開催) |
| 開催地（和） | 沖縄科学技術大学院大学カンファレンス・センター |
| 開催地（英） | OIST Conference Center |
| テーマ（和） | 機械学習によるバイオデータマイニング、一般 |
| テーマ（英） | |
| 委員長氏名（和） | 田中 宏和(東京都市大) / 杉山 将(東大) |
| 委員長氏名（英） | Hirokazu Tanaka(Tokyo City Univ.) / Masashi Sugiyama(Univ. of Tokyo) |
| 副委員長氏名（和） | 井澤 淳(筑波大) / 神嶌 敏弘(産総研) / 津田 宏治(東大) |
| 副委員長氏名（英） | Jun Izawa(Univ. of Tsukub) / Toshihiro Kamishima(AIST) / Koji Tsuda(Univ. of Tokyo) |
| 幹事氏名（和） | 寺島 裕貴(NTT) / 田中 沙織(奈良先端大) / 岩田 具治(NTT) / 中村 篤祥(北大) |
| 幹事氏名（英） | Hiroki Terashima(NTT) / Saori Tanaka(NAIST) / Tomoharu Iwata(NTT) / Atsuyoshi Nakamura(Hokkaido Univ.) |
| 幹事補佐氏名（和） | 田和辻 可昌(早大) / 堀井 隆斗(阪大) / 河原 吉伸(阪大) / 鈴木 大慈(東工大) |
| 幹事補佐氏名（英） | Yoshimasa Tawatsuji(Waseda Univ.) / Takato Horii(Osaka Univ.) / Yoshinobu Kawahara(Osaka Univ.) / Taiji Suzuki(Tokyo Inst. of Tech.) |
| 講演論文情報詳細 | |
| 申込み研究会 | Technical Committee on Neurocomputing / Technical Committee on Information-Based Induction Sciences and Machine Learning / Special Interest Group on Bioinformatics and Genomics / Special Interest Group on Mathematical Modeling and Problem Solving |
|---|---|
| 本文の言語 | JPN |
| タイトル（和） | ガウス過程回帰に基づく結晶構造X線吸収スペクトル予測と価数比推定 |
| サブタイトル（和） | |
| タイトル（英） | Crystal structure X-ray absorption spectrum prediction and valence ratio estimation based on Gaussian process regression |
| サブタイトル（和） | |
| キーワード(1)（和/英） | ガウス過程回帰 / Gaussian Process Regression |
| キーワード(2)（和/英） | マルチタスクガウス過程回帰 / Multitask Gaussian Process Regression |
| キーワード(3)（和/英） | 入力不確実なガウス過程回帰 / Input Uncertain Gaussian Process Regression |
| 第 1 著者 氏名（和/英） | 岩下 拓未 / Takumi Iwashita |
| 第 1 著者 所属（和/英） | 名古屋工業大学(略称：名工大) Nagoya Institute of Technology(略称：NIT) |
| 第 2 著者 氏名（和/英） | 平井 悠喜 / Haruki Hirai |
| 第 2 著者 所属（和/英） | 名古屋工業大学(略称：名工大) Nagoya Institute of Technology(略称：NIT) |
| 第 3 著者 氏名（和/英） | 小林 亮 / Ryo Kobayashi |
| 第 3 著者 所属（和/英） | 名古屋工業大学(略称：名工大) Nagoya Institute of Technology(略称：NIT) |
| 第 4 著者 氏名（和/英） | 田村 友幸 / Tomoyuki Tamura |
| 第 4 著者 所属（和/英） | 名古屋工業大学(略称：名工大) Nagoya Institute of Technology(略称：NIT) |
| 第 5 著者 氏名（和/英） | 烏山 昌幸 / Masayuki Karasuyama |
| 第 5 著者 所属（和/英） | 名古屋工業大学(略称：名工大) Nagoya Institute of Technology(略称：NIT) |
| 発表年月日 | 2023-06-29 |
| 資料番号 | NC2023-3,IBISML2023-3 |
| 巻番号（vol） | vol.123 |
| 号番号（no） | NC-90,IBISML-91 |
| ページ範囲 | pp.17-24(NC), pp.17-24(IBISML), |
| ページ数 | 8 |
| 発行日 | 2023-06-22 (NC, IBISML) |