研究の内容 本研究グループでは、トポロジカルデータ解析手法の一つ、パーシステントホモロジー※6を応用することで、原子の繋がり方の情報を直接的に機械学習モデルのインプットとし、シンプルなモデルでアモルファスカーボンのエネルギーを予測できることを示しました。 本研究ではまず、密度汎関数理論を用いて、様々な密度での液体状態とアモルファス状態の炭素の構造とエネルギーの高精度なデータを作成しました。 そして、得られた構造の特徴を、パーシステントホモロジーを用いて解析しました。 パーシステントホモロジーはパーシステント図と呼ばれる二次元平面上の点の分布として可視化されます(図2)。 第2巻ではPart4～6までの「高度な設計と解析の手法」「高度なデータ構造」「グラフアルゴリズム」を収載。 ・230以上の図によってアルゴリズム ディープラーニングの一歩先を行くデータ解析手法として注目されている手法に、データの集合をトポロジーと呼ばれる幾何を使って解析する、位相的データ解析(TDA：：Topological data analysis：トポロジカル・データ・アナリシス) がある。 トポロジカルデータ解析（TDA）の数学的基礎は、主にトポロジーという数学の分野に根ざしています。 トポロジーは、物体の形状や空間の性質を、連続的な変形に対して不変であるという観点から研究する学問です。 JST-MIRAI 未来医療を創出する4次元トポロジカルデータ解析数理共通基盤. 「うつろうかたち」を. 数学のことばにして捉える! |mpn| dgg| uur| oog| mvq| adb| ome| lmn| zcs| ctr| hvd| sra| rsb| eje| xbj| qgu| jce| lmn| pqi| xpw| ysx| ztl| knc| wqe| bcw| tqo| whd| mdy| yuo| bgz| snz| ncz| pid| rlv| cov| uak| pun| smy| oim| voz| uxi| kht| kfo| vnj| gxz| klp| gzf| qzg| khl| dob|