抄録
本研究では、2つの異なるニューラルネットワークモデルを構築しました。一つは、一連の触媒画像から触媒の品質を予測するための畳み込みニューラルネットワークモデルです。もう一つは、ポリエステルのガラス転移温度(Tg)を予測するためのグラフ畳み込みニューラルネットワークモデルである。さらに、勾配ベースの手法を適用して、可視化を行いました。どのナノ構造や化学構造が性能に影響を与えるかを理解しました。今回トライした「勾配ベースのアプローチ」は、構造特性評価タスクに対してはるかに効果的であり、材料の設計と開発に必要な時間とコストの両方を節約することができます。
