所属：大阪大学

概要：本研究では機械学習のモデル構築に必要な画像の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開始した。2024年度は新素材のSEM画像から512×512pixelのサイズで切り出した学習データセットを用いてGANモデルを作成した。その結果、高い精度の疑似画像は生成できず、物性との関連が示唆される特徴成分が十分に反映されていなかった。画像サイズの拡大に伴い、十分な学習データ数が確保できていないことが性能低下の要因として考えられた。