所属：OSAKA University, OSAKA, Japan¹　DAIKIN INDUSTRIES, LTD., OSAKA, Japan²　DAIKIN INDUSTRIES, LTD., OSAKA, Japan³

概要：ダイキン工業ではMaterials Informatics(MI)の導入を推進し、様々なフッ素材料の開発にMIを活用しているが、MIの物性予測モデル構築には大量の学習データを必要とする。しかし、現場には学習データに適したデータは少なく、データ不足がモデル開発に支障を来すケースもある。本研究では学習データ不足を解決するため、高精度な疑似画像を生成できる敵対的生成ネットワーク（GAN：Generative Adversarial Network）を用いた物性予測モデルの開発について検討を行う。今年度はデモ画像データを用いてSQUID上でGANが稼働し、高精度な疑似画像が生成できることを確認した。次年度からはダイキン工業において実際に取得した材料の画像データを適用する。