Download file (12.8MB)
Download as zip (11.5MB)

コレクション

引用

説明:

機械学習による無機材料の物性予測を促進するため、局所結晶構造に基づく原子記述子を開発した。配位多面体の出現行列に特異値分解を適用し、配位原子と配位多面体の位相に基づく2種の記述子を生成した。これらを用いたクラスタリングでは、周期表における同族元素間の類似性だけでなく、隣接元素間の類似性も反映された。この記述子を用いた生成エネルギーとバンドギャップの機械学習予測では、従来の物性記述子と比べて予測精度と汎化性能が向上した。

権利情報:

• Creative Commons BY Attribution 4.0 International
  

キーワード: Materials informatics, machine learning, atomic descriptors, coordination polyhedra, formation energy prediction, band gap prediction

刊行年月日: 2021-01-01

出版者: Informa UK Limited

掲載誌:

• Science and Technology of Advanced Materials: Methods (ISSN: 27660400) vol. 1 issue. 1 p. 200-212

研究助成金:

• Japan Science and Technology Agency JPMJCR19J1

原稿種別: 出版者版 (Version of record)

MDR DOI:

公開URL: https://doi.org/10.1080/27660400.2021.1986359

関連資料:

その他の識別子:

連絡先:

更新時刻: 2024-11-21 16:35:29 +0900

MDRでの公開時刻: 2024-11-21 16:35:29 +0900