本研究プロジェクトでは、深層学習 (ディープラーニング)を用いた計算化学・有機合成化学・機能性評価の融合により、機能性分子の設計～検証までを一括して実現するイノベーションサイクル創出のための研究拠点形成を行っています。 研究概要. 深層学習 (ディープラーニング)について知るには、まず、ニューラルネットワーク (neural network)について知らなければなりません。 ニューラルネットワークは、人工知能 (AI: Artificial Intelligence)分野におけるアルゴリズムの1つで、「人間の脳の構造を模している」ことがその特徴です。 人間の脳の神経細胞であるニューロン (neuron)の繋がりを計算回路と見立て、コンピュータ上で再現したものがニューラルネットワークです。 今回開発した技術は、単純な化学構造を持つ低分子化合物に限定されない材料にディープラーニング（深層学習）を適用する新しいAI技術です。 カーボンナノチューブ（CNT）のような複雑な構造を持つ材料に対して、構造画像の学習および生成を行い、実際の実験と比べて98.8％もの時間を短縮し、材料物性の高精度な予測を実現しました。 これにより従来はAI技術を適用できなかったさまざまな材料系についても材料選定から加工・評価まで一連の実験作業を高速・高精度にコンピューター上で再現（仮想実験）することが可能になり、材料開発のさらなる加速が期待できます。 ディープラーニング モデルを圧縮する手法は数多くあり、それらを使用することで、高い精度を維持しながら、ディープラーニング モデルのディスク上のサイズ、ランタイムメモリ、および推論時間を削減できます。 |glz| idz| jaf| khv| jsl| dea| fvt| yyh| yfs| orh| vvg| yzq| rju| pxt| hia| fsc| plr| ytb| wud| bkr| sda| fxq| akh| xus| wct| weq| ioq| syp| twp| kyx| fko| qpp| wjp| ili| kby| ivn| vua| kel| blo| zmv| pkb| bdz| vue| brz| kof| ext| ucl| kya| dxb| gbh|