ブックタイトル日本結晶学会誌Vol62No1

概要

日本結晶学会誌Vol62No1

石井真史,上杉文彦，小澤哲也図7結晶数を2，4，6とした場合の学習時と検証時の精度と損失．（Accuracy and loss during learning and validation fortarget crystals of 2, 4, and 6.）正解に近いほど1に近くなり，後者はどれくらい正解と離れているかを表す．横軸は学習数（エポック）を表している．いずれの結晶数でも，Accuracyを見ると学習時と検証時で差はなく，過学習に陥っていないことがわかる．結晶の数を増やしていくにつれて精度は少しずつ下がっていき，損失は増加する．結晶数4の実験結果では，ベンチマークである結晶数2の実験で1に近かった精度が，0.8近くに一挙に下がっている．これは想定どおりGaAsやInAs，Geの回折パターンが似ていることに起因すると考えられる．実際これらの材料の代表的な三方位［001］［011］［111］電子線回折パターンを図8に示す．Geについては，禁制のために［001］でパターンに明確な違いが見られるが，GaAsとInAsについては，分類に際してスポットの間隔を理解する，ほかの材料とは本質的に違った学習が必要になると考えられる．CNNの場合，特徴量を引き出すために揺らぎを許容する操作（マックスプーリング）が加わっているため，この間隔の理解を妨げていると考えられる．構造に多様性をもたせた結晶数6の実験結果では精度・損失とも収束が遅く，図の横軸で示すとおり，学習のエポック数をほかの実験の2.5倍の100まで増やしている．結晶数4の実験結果と比較すると，精度の悪化は思いのほか進んでおらず，ほぼ0.8を維持している．以上の実験から，スパースな回折パターンからでも分図8Ge，GaAs，InAsの［001］，［011］，［111］入射の電子線回折パターン．（Electrondiffractionpatternsof［001］,［011］, and［111］for Ge, GaAs and InAs.）類は0.8程度の精度で可能であることがわかる．特に異なる結晶数4の実験からは，人による判断が難しい場合についても，ある程度の客観評価ができていることを示唆している．一方で，結晶数4～6の精度の悪化に比べて結晶数2～4の悪化が著しかったことから，類似なものの判別能力が不足しており，教師データの工夫など情報の40日本結晶学会誌第62巻第1号（2020）