横山トモヤス｜計算材料科学者
@yoko_materialDXパナソニック ホールディングス株式会社 リードリサーチャー｜素材×DX（#マテリアルズインフォマティクス ）によるクリーンエネルギー材料の研究開発｜社会人博士課程修了｜計算材料科学、第一原理計算、機械学習｜その他の情報は個人HPへ｜会社の研修がきっかけで始めました｜発信内容は個人見解ですのでご了承ください
Similar User
@MLPhysJP
@mi21216
@oki_kosuke
@hirokaneko226
@NaistMi
@ymgsy3
@biomedicalhacks
@nezdenmama
@joisino_
@NomuraYuki0503
@mi141
@sammy_suyama
@npaka123
@usait0
@morop_
#材料科学 の視点から、材料開発や #DX ×素材の魅力を発信しています。 私自身は、#マテリアルズインフォマティクス による 蓄電池や 太陽電池材料などの研究開発をしております。 次世代太陽電池にわずか1年で革新 「10年に1人」の企業研究者 xtech.nikkei.com/atcl/nxt/colum…
マテリアルズインフォマティクスの最新ニュース。 レゾナックさんは機械学習とアニーリング技術を適用することで、半導体パッケージ用レジスト特性を満たす最適モノマーとその配合比を熟練者より5分の1で発見できたそうです。 逆設計の成功事例、今後増えそう。 resonac.com/jp/news/2024/1…
機械学習波動関数の論文。 ミュンヘン工科大の修論ですが、第一原理計算の手法やこれまでの機械学習波動関数の研究がわかりやすくまとめられていました。 ただ残念ながら研究自体はコードのバグなどでうまくいかなかったみたいです、残念。今後に期待ですね。 mediatum.ub.tum.de/doc/1760130/do…
生成モデルによる機械学習波動関数の論文。 単純な事前分布を複雑な分布に変換する正規化フローを用いて多電子系の波動関数を学習、変分モンテカルロ法によりエネルギー最適化を行うことで基底状態を再現できたそうです。 この分野は機械学習の表現力がポイントになりそう。 pubs.aip.org/aip/aml/articl…
機械学習による支配方程式予測の論文。 従来はドメイン知識が必要で汎化性が低かったのに対し、深層学習と事前学習済みシンボリック回帰モデルにより、伝染病の伝播や歩行の動きなど様々な現象で支配方程式を予測できたそうです。 事前分布で自由度を下げるのが重要。 arxiv.org/abs/2411.06833
結晶構造の合体によるMOF設計の論文。 MOFのような複雑な3次元ネット状構造を体系的に整理すると、53種類の基本構造の組み合わせによりさまざまな構造を説明できることがわかり、この法則により新しい構造をもつMOFの合成に成功したそうです。 2024年で個人的最も面白論文。 science.org/doi/full/10.11…
AIを使って材料開発研究が促進されるか米企業の1000人超の研究者で数年間の調査を行った。AIを活用した研究者は従来より44%多くの材料を発見し、特許申請も39%増加し、より新規性の高い材料も見つけられた。下位1/3の研究者に改善はみられず、トップ研究者の成果は倍増した。 aidantr.github.io/files/AI_innov……
機械学習による光学スペクトル予測の論文。 スペクトル予測の重要特徴量を判別するためにアンサンブル埋め込み層をGNNに導入することで、少ないデータセットで反射や吸収などのスペクトルを高精度に予測できたそうです。 結晶グラフの特徴をうまく抽出するのが重要みたい。 onlinelibrary.wiley.com/doi/10.1002/ad…
マテリアルズインフォマティクスの最近ニュース。 丸喜産業さんのデータとNECさんのMI技術を組み合わせることで、廃プラスチックの配合案と調色案の提示システムを開発、ベテラン職人でも33%時間短縮ができたそうです。 調色は経験と勘のイメージがあるのでMIが活躍しそう。 monoist.itmedia.co.jp/mn/spv/2410/25…
結晶学会の年会に参加してます。発表は昨日でした。恐らくここでしか聞いてもらえないであろうマニアックな内容でしたが、いくつかヒントをいただき検討してみたいことも増えたのでありがたかったです。また来年も参加したいです。
実験装置のためのLLM活用の論文。 実験装置の説明書により微調整されたLLMを用いることで、どのような手順で測定をしたらいいかを教えてくれたり、会話を通じて測定を実行させたりすることができたそうです。 これで装置の使用手順書の作成はいらなくなりそうでありがたい。 nature.com/articles/s4152…
【注目プレスリリース】結晶構造探索手法「数理結晶化学」を考案 ―数理計画問題に基づく無機化合物の低コスト結晶構造探索手法の開発― / 東京大学 research-er.jp/articles/view/…
機械学習による高エントロピー酸化物設計の論文。 ハイスループット実験から得られたデータを機械学習により特徴量解析および物性予測することで、燃料電池材料のための高エントロピー酸化物を設計できたそうです。 特徴量の把握のための機械学習活用が進んでる。 onlinelibrary.wiley.com/doi/10.1002/ad…
フローベース生成モデルによる結晶構造予測の論文。 LLMで学習した結晶構造の事前分布から、リーマンフローマッチングにより結晶構造を繰り返し改良することで、従来よりも高精度かつ10倍高速に生成できたそうです。 LLMで結晶構造っぽさを表現する点がポイントそう。 arxiv.org/abs/2410.23405
修士時代にお世話になりました田中功先生が紫綬褒章をご受賞されたそうです。おめでとうございます！ 田中先生があの専攻にいなかったら、計算科学やマテリアルズインフォマティクスの面白さを知ることもなく、今の人生はなかったなぁとつくづく思います。
テキスト表現による結晶構造逆設計の論文。 生成モデルによる逆設計は低対称構造が多いという課題に対し、結晶構造の空間群とグラフの概念を考慮したテキスト表現を提案、これを用いて学習したGPTモデルにより妥当な構造を生成できたそうです。 結晶版SMILESになり得る？ arxiv.org/abs/2410.22828
無機材料のための大規模データセットの論文。 Metaさんから新たなデータセットとこれにより訓練された学習モデルが公開されました。今回はなんと1.1億件、組成と構造の多様性を重視したデータとのこと。 この規模のDFT計算を実行し続け、かつ公開しているところがすごい。 arxiv.org/abs/2410.12771
今月のセラミックス協会誌の特集は「計算材料設計」です。僕も査読者として関わらせていただきました。 従来の第一原理計算では難しかった物性予測が、様々なな手法と組み合わせることで最近はできるようになりつつあり、面白かったです。 オープンアクセスの記事もあるのでぜひご覧ください。
データベースのノイズ解析の論文。 アメリカ特許の化学反応データベースにはノイズデータが含まれ学習モデルに悪影響を与えますが、この要因をLLMで解析、誤った参照先と化学式が主なノイズで、これが強く影響する反応を特定できたそうです。 LLMの有用な使い方。 doi.org/10.26434/chemr…
LLMによる逆設計の論文。 LLMを用いて目的の物性に近い既存材料をまず検索し、それを元素置換するなど改善策を提案し、新たな結晶材料を生成するプロセスで、従来より妥当性の高い予測ができたそうです。 材料科学者の思考プロセスそのものなのでよさそう。 arxiv.org/abs/2410.21317
MDと機械学習による美容デザインの論文。 化粧品分子は薬物分子と類似していることからスキンケア製品開発にもMD計算が使われるそうで、保湿や美白などの機能を機械学習により高速予測する研究事例がまとまっています。 ビューティーインフォマティクス（？）が今後くる？ arxiv.org/abs/2410.18101
![Chem-Station（ケムステーション；ケムステ）は日本最大化学ポータルサイト。化学の話題をつぶやきます。化学好きの方フォローお願い致します。2017年度日本化学会化学教育賞・2019年文部科学大臣表彰科学技術賞受賞 [化学][ニュース][分子][Chemistry][News][Molecule]](https://pbs.twimg.com/profile_images/1456030429/chemstation.png)
United States Trends
- 1. Jake Paul 1 Mn posts
- 2. #Arcane 251 B posts
- 3. Good Saturday 29,9 B posts
- 4. #Caturday 5.977 posts
- 5. #SaturdayVibes 3.645 posts
- 6. Jayce 60,2 B posts
- 7. #saturdaymorning 2.428 posts
- 8. Pence 81,4 B posts
- 9. #SaturdayMood 2.177 posts
- 10. Senior Day 2.478 posts
- 11. AioonMay Limerence 155 B posts
- 12. Serrano 251 B posts
- 13. IT'S GAMEDAY 3.062 posts
- 14. Fetterman 39,1 B posts
- 15. Vander 19,6 B posts
- 16. $WOOPER N/A
- 17. $XRP 90,1 B posts
- 18. Woop Woop 1.564 posts
- 19. He's 58 32,8 B posts
- 20. Championship Saturday 1.616 posts
Who to follow
-
Machine Learning Physics
@MLPhysJP -
mi-212
@mi21216 -
K.Oki@製造系データサイエンティスト
@oki_kosuke -
金子弘昌＠さきがけ領域アドバイザー
@hirokaneko226 -
NAIST MI-Lab
@NaistMi -
Yuji Yamagishi
@ymgsy3 -
H_Shimizu
@biomedicalhacks -
Y Katsura🌟Starrydata
@nezdenmama -
佐藤 竜馬 / Ryoma Sato
@joisino_ -
NOMURA Yuki
@NomuraYuki0503 -
mi141
@mi141 -
須山敦志 Suyama Atsushi
@sammy_suyama -
布留川英一 / Hidekazu Furukawa
@npaka123 -
usaito
@usait0 -
もろぴー@書籍『超有機化学入門』買ってね☆
@morop_
Something went wrong.
Something went wrong.