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
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
-
- 人工知能学会全国大会論文集
-
人工知能学会全国大会論文集 JSAI2023 (0), 2N4GS1003-2N4GS1003, 2023
一般社団法人 人工知能学会
- Tweet
キーワード
詳細情報 詳細情報について
-
- CRID
- 1390859758174657664
-
- 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