超伝導材料の転移温度予測における事例間の繋がりを考慮した知識グラフの有効性の調査

近年，データ駆動で材料開発を行うマテリアルズ・インフォマティクスの発展に伴い，属人的な知見への依存を減らし，より高性能に物性値を予測するための研究が進められている．超伝導材料は高い応用可能性により開発が急がれているが，膨大な探索範囲から目的に見合った転移温度を持つ材料を発見するのは困難である．そのため，組成式や構造情報から転移温度を予測し，材料探索を加速化するアプローチが研究され，その1つにデータベースから作成した知識グラフを用いて転移温度予測を行う手法がある．しかし，既存手法の知識グラフは事例間の繋がりを考慮できていない．そこで，本研究では材料が組成式・構造名・論文題名の頂点を介して繋がる知識グラフを用いた転移温度予測モデルを提案する．実験により，SuperConデータセットにおいて既存手法と比較してRMSEが0.072減少することが明らかとなった．さらに，材料間の繋がりを考慮した知識グラフの転移温度予測に対する有効性を確認した．

Conference paper