学術論文データを活用したペロブスカイト型固体電解質のLiイオン伝導率予測モデルの構築

DOI

書誌事項

タイトル別名
  • Construction of Li-ion conductivity prediction model for perovskite-type solid electrolyte using data from academic papers
  • AI technology for creating appropriate training data for machine learning from academic papers
  • 学術論文から機械学習向けの適切な学習データを作成するためのAI技術

抄録

<p>AIによって材料の物理特性値を評価できれば、時間がかかる実験の多くを省略できるため、材料探索の速度を大きく加速できると期待される。新型電池材料の探索を念頭に、査読論文や学位論文などの文献から適切な学習データを作成し、イオン伝導率予測モデルの構築を行う。今回は、ペロブスカイト構造の酸化物固体電解質材料に対して、Liイオン伝導率予測モデルの構築を行った。この際、機械学習向けの学習データを作成する上で主に以下の３つの課題があることが分かった。① 論文からデータ抽出する際の写し間違い、単位変換のエラー。② 論文著者のエラー（計測誤差、参照論文の結果の引用間違い等）。③ 実験条件が異なるデータの混入。①はデータ抽出プロセスの精度を上げることである程度解決できる。他方、②と③については不適切データを検出して削除する技術が必要となる。今回、①に対して十分に注意して準備した学習用のデータセットを使っても、Liイオン伝導率の予測値と教師データの相関係数は0.5程度で十分な精度を得られなかった。このため、機械学習を活用して不適切データを除外し、相関係数を0.84まで向上させることに成功した。</p>

収録刊行物

キーワード

詳細情報 詳細情報について

  • CRID
    1390859758174657664
  • DOI
    10.11517/pjsai.jsai2023.0_2n4gs1003
  • ISSN
    27587347
  • 本文言語コード
    ja
  • データソース種別
    • JaLC
  • 抄録ライセンスフラグ
    使用不可

問題の指摘

ページトップへ