材料分野においてもデータ駆動研究への期待が大きい。本稿では、データ駆動材料開発の最近の取り組みを概説する。材料データは必ずしも豊富にあるわけではないものの、データ駆動による材料・プロセスの探索は、金属、高分子、無機化合物等々へ広がり、自動実験・計測との連携も始まっている。メ...

NIMSクリープデータシートを用い、機械学習によってフェライト耐熱鋼のクリープ寿命予測をおこなった。サポートベクター回帰手法によるものが最も予測性能が高く、テストデータに対するクリープ寿命の常用対数の二乗平均平方根誤差は0.14と小さく、これは1.38倍以内の予測精度を有す...