深層学習を用いた絶縁ガスの物性予測

カテゴリ: 研究会(論文単位)

論文No: DEI22028,EPP22028,HV22053

グループ名: 【A】基礎・材料・共通部門 誘電・絶縁材料/【A】基礎・材料・共通部門 放電・プラズマ・パルスパワー/【B】電力・エネルギー部門 高電圧合同研究会

発行日: 2022/01/18

タイトル(英語): Property Prediction of Insulation Gas with Deep Learning

著者名: 竪山 智博(東京大学),嶋川 肇(東京大学),熊田 亜紀子(東京大学),佐藤 正寛(東京大学)

著者名(英語): Chihiro Tateyama(The University of Tokyo),Hajime Shimakawa(The University of Tokyo),Akiko Kumada(The University of Tokyo),Masahiro Sato(The University of Tokyo)

キーワード: 絶縁ガス|深層学習|マテリアルズ・インフォマティクス|絶縁破壊電界強度|沸点|温暖化係数|insulation gas|deep learning|materials informatics|breakdown field strength|boiling point|global warming potential

要約(日本語): 近年，情報科学を活用したデータ駆動型材料開発手法であるマテリアルズ・インフォマティクスが注目を集めており，著者らは機械学習を用いた材料創成に関する検討を進めている。今回，比較的低分子である絶縁ガスを対象に，分子構造を入力として絶縁ガスの絶縁破壊電界強度や沸点，温暖化係数などの諸物性を深層学習により予測するモデルを作成し，その予測精度について従来の機械学習手法と比較・評価を行った。

要約(英語): In recent years, materials informatics, materials development using information technology, has been used widely for the development of materials. We made a deep learning model to predict properties of insulation gas such as breakdown field strength, boiling point, global warming potential and so on. Moreover, we compared the prediction accuracy of this deep-learning-based model with the other conventional machine-learning-based prediction models.

本誌: 2022年1月21日-2022年1月22日誘電・絶縁材料/放電・プラズマ・パルスパワー/高電圧合同研究会-2

本誌掲載ページ: 41-46 p

原稿種別: 日本語

PDFファイルサイズ: 1,496 Kバイト