츠쿠바, 일본, 30년 2021월 XNUMX일 – (ACN Newswire) – 새로운 접근 방식은 기계 학습 모델을 훈련하여 간단한 측정을 통해 얻은 데이터만 사용하여 재료의 속성을 예측할 수 있으므로 현재 사용되는 것과 비교하여 시간과 비용을 절약할 수 있습니다. 이것은 일본 국립 재료 과학 연구소(NIMS), Asahi KASEI Corporation, Mitsubishi Chemical Corporation, Mitsui Chemicals 및 Sumitomo Chemical Co의 연구원들이 설계했으며 고급 재료의 과학 및 기술: 방법 저널에 보고되었습니다.
 |
| 새로운 접근 방식은 X선 회절과 같은 측정하기 쉬운 실험 데이터를 사용하여 인장 계수와 같은 측정하기 어려운 실험 데이터를 예측할 수 있습니다. 또한 새로운 재료를 설계하거나 이미 알려진 재료의 용도를 변경하는 데 도움이 됩니다. |
 |
재료 정보학 분야를 전문으로 하는 NIMS의 선임 연구원인 Ryo Tamura는 "머신 러닝은 특정 특성을 가진 재료를 제조하는 데 필요한 요소 및 프로세스의 구성을 예측하는 강력한 도구입니다."라고 설명합니다.
이러한 목적을 위해 머신 러닝 모델을 훈련시키기 위해서는 일반적으로 엄청난 양의 데이터가 필요합니다. 두 종류의 데이터가 사용됩니다. 제어 가능한 설명자는 합성에 사용되는 화학 원소 및 프로세스와 같이 재료를 만들지 않고도 선택할 수 있는 데이터입니다. 그러나 X선 회절 데이터와 같은 제어할 수 없는 설명자는 재료를 만들고 실험을 수행해야만 얻을 수 있습니다.
"우리는 제어할 수 없는 설명자를 사용하여 재료 특성을 보다 정확하게 예측하기 위해 효과적인 실험 설계 방법을 개발했습니다."라고 Tamura는 말합니다.
접근 방식에는 제어 가능한 설명자의 데이터 세트를 검사하여 모델의 정확도를 개선하는 데 사용할 대상 속성이 있는 최상의 재료를 선택하는 것이 포함됩니다. 이 경우 과학자들은 특정 기계적 특성을 가진 후보를 선택하기 위해 75가지 유형의 폴리프로필렌 데이터베이스를 조사했습니다.
그런 다음 그들은 재료를 선택하고 X선 회절 데이터 및 기계적 특성과 같은 제어할 수 없는 설명 중 일부를 추출했습니다.
이 데이터는 제어할 수 없는 설명자만을 사용하여 재료의 속성을 예측하는 특수 알고리즘을 사용하는 기계 학습 모델을 더 잘 훈련시키기 위해 현재 데이터 세트에 추가되었습니다.
Tamura는 "우리의 실험 설계는 측정하기 쉬운 데이터를 사용하여 측정하기 어려운 실험 데이터를 예측하는 데 사용할 수 있으므로 새로운 재료를 설계하거나 이미 알려진 재료를 재사용하는 능력을 가속화하면서 비용을 절감할 수 있습니다."라고 말합니다. 예측 방법은 또한 재료의 구조가 특정 속성에 미치는 영향에 대한 이해를 높이는 데 도움이 될 수 있습니다.
팀은 현재 일본의 화학 제조업체와 협력하여 접근 방식을 더욱 최적화하기 위해 노력하고 있습니다.
자세한 정보
타무라 료
국립 재료 과학 연구소(NIMS)
이메일 : tamura.ryo@nims.go.jp
첨단 재료의 과학 및 기술 정보: 방법(STAM 방법)
STAM Methods는 첨단 재료 과학 기술(STAM)의 오픈 액세스 자매 저널이며 방법론, 장치, 계측, 모델링, 처리량이 많은 데이터와 같은 재료 개발을 개선 및/또는 가속화하기 위한 새로운 방법 및 도구에 중점을 둡니다. 수집, 재료/공정 정보학, 데이터베이스 및 프로그래밍. https://www.tandfonline.com/STAM-M
시노하라 요시카즈 박사
STAM 메소드 퍼블리싱 디렉터
이메일 : SHINOHARA.Yoshikazu@nims.go.jp
신소재과학기술신문 아시아연구뉴스에서 배포한 보도자료.
주제 : 보도 자료 요약
출처: 신소재 과학 기술
분야 : 과학 및 나노기술
https://www.acnnewswire.com
아시아 기업 뉴스 네트워크에서
저작권 © 2021 ACN Newswire. 판권 소유. Asia Corporate News Network의 한 부서.
출처 : https://www.acnnewswire.com/press-release/english/69945/
