ポリマーコンポジット材料の熱伝導率および電気伝導率予測のための汎用型機械学習

カテゴリ: 研究会(論文単位)

論文No: DEI23067,EWC23016

グループ名: 【A】基礎・材料・共通部門 誘電・絶縁材料/【B】電力・エネルギー部門 電線・ケ－ブル合同研究会

発行日: 2023/10/30

タイトル(英語): Generalized Machine Learning for Predicting Thermal and Electrical Conductivity of Polymer Composites

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

キーワード: ポリマーコンポジット|物性予測|機械学習|熱伝導率|電気伝導率|汎化性能|Polymer composite|Property prediction|Machine learning|Thermal conductivity|Electrical conductivity|Generalization performance

要約(日本語): ポリマーコンポジット材料の物性予測に向けて，学習データへの過剰適合を抑制した機械学習の評価手法を提案する。4つの機械学習モデルを用いてポリマーコンポジットの熱伝導率および電気伝導率を予測した。従来手法では学習データに内在する実験情報の偏りが考慮されず，モデル性能が過大評価されることが明らかになった。一方，提案手法は物性予測に有効な実験情報を抽出し，モデルの汎化性能を向上させることが示された。

要約(英語): We propose a machine learning framework for predicting properties of polymer composites that can suppress overfitting to training data. Our results show that the proposed method extracts experimental information that is useful for predicting properties and improves the generalization performance of the model.

本誌: 2023年11月2日誘電・絶縁材料/電線・ケ－ブル合同研究会

本誌掲載ページ: 1-6 p

原稿種別: 日本語

PDFファイルサイズ: 1,974 Kバイト