高エネルギー加速器研究機構,総合研究大学院大学,情報・システム研究機構 統計数理研究所,東京理科大学,科学技術振興機構（ＪＳＴ）

令和２年１２月１１日

高エネルギー加速器研究機構
総合研究大学院大学
情報・システム研究機構 統計数理研究所
東京理科大学
科学技術振興機構（ＪＳＴ）

Ｘ線回折パターンからの対称性予測における知識発見

～熟練者の勘・コツの定式化に成功～

ポイント

高エネルギー加速器研究機構（ＫＥＫ） 物質構造科学研究所 量子ビーム連携研究センターの小野 寛太　准教授、総合研究大学院大学 高エネルギー加速器科学研究科　鈴木 雄太（博士後期課程２年）らの研究グループは、統計数理研究所、東京理科大学と共同で、物質・材料の構造評価に不可欠な計測データである粉末Ｘ線回折パターンから機械学習を用いて結晶の対称性を予測する手法を開発しました。

さらに機械学習モデルの解析を通じて、これまで明示されていなかった「粉末Ｘ線回折パターンを見ただけでおおよその対称性を推定できる熟練者の経験知」を定式化することに成功しました。この研究で用いた解釈可能な機械学習アプローチにより、熟練者の勘・コツのように研究者間で漠然と共有されていた経験的知識を、計測データの中から発見し定式化することが可能となります。それにより、定式化された知識を用いて誰でも熟練者並みの計測データ解析を効率的に行えるようになり、科学研究を加速することが期待されます。

この研究成果は、国際科学誌「Ｓｃｉｅｎｔｉｆｉｃ Ｒｅｐｏｒｔｓ」に２０２０年１２月１１日（英国時間）オンライン掲載予定です。

本研究はＪＳＴ 未来社会創造事業 探索加速型「共通基盤」領域の研究開発課題「数理科学を活用したマルチスケール・マルチモーダル構造解析システム（研究開発代表者：小野 寛太）」（ＪＰＭＪＭＩ１９Ｇ１）で実施されました。また、本研究の一部は、ＪＳＴ 戦略的創造研究推進事業 ＡＣＴ－Ｉ研究領域「情報と未来」の研究課題「物質の結晶構造を高速に予測するデータ解析技術の開発（研究者：鈴木 雄太）」（ＪＰＭＪＰＲ１８ＵＥ）により行いました。

＜プレスリリース資料＞

＜論文タイトル＞

“Symmetry prediction and knowledge discovery from X-ray diffraction patterns using an interpretable machine learning approach”
ＤＯＩ：10.1038/s41598-020-77474-4

＜お問い合わせ先＞

（英文）“Symmetry prediction and knowledge discovery from X-ray diffraction patterns using an interpretable machine learning approach”

前に戻る