[17p-A401-1~15] 23.1 Joint Session N "Informatics"

△ [17p-A401-10] Self-supervised deep metric learning on crystal structures for material concept learning

〇Yuta Suzuki¹, Tatsunori Taniai², Kotaro Saito^3,4, Yoshitaka Ushiku², Kanta Ono^4,5 (1.Toyota Motor Corp., 2.OMRON SINIC X, 3.Randeft Inc., 4.Osaka Univ., 5.KEK)

Keywords:materials informatics, machine learning, crystal structure

本研究では、物質の類似性を計算機上で表現することを目的に、深層距離学習を自己教師あり学習の枠組みに拡張することで、教師ラベルの付与無しに物質の結晶構造のみから物質のベクトル表現（embedding）を学習する方法を示す。このembeddingには、超伝導体やLiイオン電池材料など、物質間の抽象的な類似性、即ち「材料コンセプト」が捉えられていることが示唆された。本手法は物質空間の地図の可視化や、材料の機能的な類似性の評価を実現する。