シンボリック回帰における外挿性の検証とペロブスカイト触媒への応用

DOI Web Site 参考文献3件
  • 磯田 拓哉
    早稲田大学大学院 先進理工学研究科 化学•生命化学専攻, 169-8555 東京都新宿区大久保3-4-1
  • 高橋 栞
    早稲田大学大学院 先進理工学研究科 化学•生命化学専攻, 169-8555 東京都新宿区大久保3-4-1
  • 中野 匡彦
    早稲田大学 理工学術院総合研究所,〒 169-8555 東京都新宿区大久保3-4-1 三菱ケミカルグループ,〒100-8251東京都千代田区丸の内1-1-1
  • 中嶋 裕也
    早稲田大学 理工学術院総合研究所,〒 169-8555 東京都新宿区大久保3-4-1
  • 清野 淳司
    早稲田大学大学院 先進理工学研究科 化学•生命化学専攻, 169-8555 東京都新宿区大久保3-4-1 早稲田大学 理工学術院総合研究所,〒 169-8555 東京都新宿区大久保3-4-1

書誌事項

タイトル別名
  • Validation of Extrapolation in Symbolic Regression andIts Application to Perovskite Catalysts

抄録

<p>The recent advances in artificial intelligence (AI) have accelerated the development of data-driven modeling. Complex machine learning models often lack interpretability. Symbolic regression, particularly in the fields of mathematics and physics, has provided alternative models that are interpretable and have excellent extrapolation capabilities. In this study, we investigated the potential of symbolic regression in chemistry, specifically in the exploration of new materials through extrapolation. We conducted fundamental verification of extrapolation and applied research on the exploration of perovskite catalysts using the recursive-LASSO-based symbolic regression. Our results suggested that symbolic regression exhibits superior extrapolation performance and interpretability compared to conventional machine learning methods.</p>

収録刊行物

参考文献 (3)*注記

もっと見る

キーワード

詳細情報 詳細情報について

問題の指摘

ページトップへ