291168記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. 短距離秩序を機械学習ポテンシャルで捉える（Capturing short-range order in high-entropy alloys with machine learning potentials）
2 分で読了
0 views

短距離秩序を機械学習ポテンシャルで捉える

（Capturing short-range order in high-entropy alloys with machine learning potentials）

#Machine learning
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海先生、最近部下から「機械学習ポテンシャルを使えば合金設計が変わる」と言われまして。ただ、うちの現場はデジタルが苦手でして、要点を簡単に教えていただけますか。

AIメンター拓海

素晴らしい着眼点ですね！まず結論だけお伝えしますと、この手法は「従来の経験則に頼らず、原子レベルの配列の偏りをデータで学習して材料特性をより正確に予測できる」ようになりますよ。大丈夫、一緒にやれば必ずできますよ。

田中専務

なるほど。で、それを現場に入れたら何が変わるんでしょうか。投資対効果が気になります。

AIメンター拓海

要点を3つにまとめますね。1つ目、試作回数の削減：原子配列の影響を先に計算できれば無駄な材料試作を減らせますよ。2つ目、性能の最適化：割れにくさや靭性などを設計段階で高精度に評価できます。3つ目、時間短縮：評価にかかる期間が数倍速くなる可能性がありますよ。

田中専務

それは魅力的です。ただ、うちみたいな現場だとデータの作り方や導入ハードルが心配でして。これって要するに短距離秩序（short-range order）ということですか？

AIメンター拓海

その通りです。短距離秩序（short-range order、SRO）は元素がランダムにばらまかれているかどうかの局所的な偏りを指し、これが材料の強さや靭性に影響しますよ。身近な比喩で言えば、混ぜ物の粒の

監修者

阪上雅昭（SAKAGAMI Masa-aki）
京都大学　人間・環境学研究科　名誉教授

論文研究シリーズ
前の記事
パンデミック感染予測のための区画モデルと学習ベースのアプローチ
（Pandemic infection forecasting through compartmental model and learning-based approaches）
次の記事
TRANSLICO：多言語事前学習言語モデルにおけるスクリプト障壁を克服するコントラスト学習フレームワーク
（TRANSLICO: A Contrastive Learning Framework to Address the Script Barrier in Multilingual Pretrained Language Models）
関連記事
モーリシャスの選挙予測にAI感情分析を活用する手法
（Leveraging AI and Sentiment Analysis for Forecasting Election Outcomes in Mauritius）
AIの信念の倫理学に向けて
（Toward an Ethics of AI Belief）
ジョンソン–リンデンストラウスの補題の改善
（Improving the Johnson-Lindenstrauss Lemma）
高強度合金の発見—物理転移学習
（Discovering High-Strength Alloys via Physics-Transfer Learning）
ハーシェルSPIREダークフィールドI：亜ミリ波宇宙の最深画像
（The Herschel-SPIRE Dark Field I: The deepest Herschel image of the submillimetre Universe）
テキストから画像生成におけるコンテンツ・スタイル合成
（CSGO: CONTENT-STYLE COMPOSITION IN TEXT-TO-IMAGE GENERATION）
関連タグ
#Machine learning
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
関数最適化に形状事前情報を組み込むベイズ最適化
（Bayesian functional optimisation with shape prior）
  • 論文研究
倉庫におけるマルチロボット自動化と効率的経路計画の改良
（A Novel Warehouse Multi-Robot Automation System with Semi-Complete and Computationally Efficient Path Planning and Adaptive Genetic Task Allocation Algorithms）
  • 論文研究
DPPy: Pythonで扱う多様性サンプリングの実用ツール
（DPPy: Sampling DPPs with Python）
  • 論文研究
ノイズ統計を知らなくても使えるロバスト回帰法の提案
（Noise Statistics Oblivious GARD For Robust Regression With Sparse Outliers）
  • 論文研究
MTLE: マルチタスク学習による動画表現エンコーダの提案
（MTLE: A Multitask Learning Encoder of Visual Feature Representations for Video and Movie Description）
  • 論文研究
時系列差分
（Temporal Difference）強化学習の決定論的極限と多状態マルチエージェント環境への適用（Deterministic limit of temporal difference reinforcement learning for stochastic games）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む