[21a-B01-1~10] 23.1 Joint Session N "Informatics"

[21a-B01-10] Fast domain prediction in micro beam X-ray diffraction using machine learning

〇(M2)Shota Hozumi¹, Kentaro Kutsukake^2,6, Kota Matsui², Sasaki Takuo⁴, Toru Ujihara^5,6, Ichiro Takeuchi^1,2,3 (1.NITech, 2.RIKEN, 3.NIMS, 4.QST, 5.Eng., Nagoya Univ, 6.IMaSS., Nagoya Univ)

Keywords:Gaussian Process, Machine Learning, Active Learning

同一試料内で物性の異なる領域を複数持つ試料において、少ない測定点数で試料表面上の領域分布を特定することは、材料評価法で共通の課題である。我々は、機械学習手法の一つであるLevel set estimation(LSE)[Gotovos 2013]を材料評価の領域特定に応用しており、これまでにシリコンウェハのライフタイム分布測定への応用を報告した。本研究では、放射光実験施設SPring-8でのµビームX線回折マッピングへの応用を報告する。多数のX線回折パターンから教師なし機械学習によって、SiGe薄膜試料の組成と配向を表す特徴量を抽出し（連続講演にて先に報告）、LSEによって特徴量が高い（低い）範囲を推定した。