MI（マテリアルズインフォマティクス）勉強ログ④ 材料データはただの数字ではない？

はじめに

前回の記事では、MIがどんな分野で使われているのかを調べました。

電池、触媒、高分子、電子材料、環境材料など、分野はいろいろありますが、共通しているのは、
考える組み合わせがとても多い
ということでした。

今回はその続きとして、MIで扱う「材料データ」について考えてみます。

MIでは、実験データや計算データを使って、材料の性質を予測したり、次に試す候補を考えたりします。

ただ、材料データは単なる数字の集まりではありません。

その数字の裏には、
どう作ったか、どう測ったか、どんな条件だったか
という背景があります。

今回は、自分の実験経験も少し交えながら、材料データを見るときに気をつけたいことを整理してみます。

材料データは、数字だけでは完結しない

たとえば、ある材料の強度が「100」と書かれていたとします。

数字だけを見ると、
「この材料の強度は100なんだな」
で終わります。

でも、実際にはそれだけでは判断しにくいことがあります。

たとえば、

・どんな原料を使ったのか
・どんな温度で処理したのか
・どれくらいの時間加熱したのか
・どんな装置を使ったのか
・どんな形の試験片だったのか
・どの方向から測定したのか
・測定条件は何だったのか

といった情報が、結果に関わってきます。

同じ「強度100」でも、作り方や測り方が違えば、同じ意味で比べてよいのか分かりません。

材料データは、物性値そのものだけでなく、
その物性値がどう得られたのか
が影響するため、データ取得方法も重要です。

理論通りにはいかないことは結構ある

実験をしていると、理論値や計算値と、実際の値がきれいに一致することは、正直あまり多くありませんでした。

もちろん、理論値や計算値はとても大事です。

「このくらいになりそう」
という見通しを立てるうえで、かなり役に立ちます。

ただ、実際の実験では、理論通りにいかないことも多いです。

もう一つ、実験をしていて感じていたことがあります。

それは、
同じ製造方法、同じ設備を使っていても、作る人が違えばできあがるものが変わることがある
ということです。

もちろん、手順書通りに作業することは大前提です。

それでも実際には、タイミングや僅かな手順の違いなどが結果に影響することがあります。

「条件は同じはずなのに、なんで結果が違うんだろう？」

という場面は、経験した方もいらっしゃると思います。

この経験があるので、材料データを見るときには、単に数値だけを見るのではなく、
そのデータがどんな条件で得られたものなのか
は非常に重要だと思います。

裏返してみると、機械学習に使うためのデータをそろえる環境づくりは、かなり大変そうに感じます。
機械学習は入力データが重要と良く聞きますが、特にMIではこのデータ作りの壁が非常に大きいのだと感じます。

メタデータは、データの説明書

ここで大事になりそうなのが、メタデータです。

メタデータというと少し難しく聞こえますが、私は今のところ、
データにくっついている説明書
のようなものだと理解しています。

たとえば、物性値そのものがデータだとすると、その物性値を説明する情報がメタデータです。

具体的には、

・誰が測ったか
・いつ測ったか
・どの装置で測ったか
・どんな条件で作ったか
・どんな条件で測定したか
・前処理は何をしたか

といった情報です。

こうした情報と測定結果を紐づけておくことで、
あとからデータを見たときに、ばらつきの原因を考えやすくなります。

終わりに

ここまでで、MIの基礎を勉強してきました。

次回はいよいよSIGNATEへ挑戦します！

まずは初心者向けの練習問題で、データを開いて眺めるところから始めてみます。

GW中に終わらなかった。。。

まだ勉強中なので、もし認識が違っているところや補足があれば、コメントで教えていただけるとうれしいです。

アドバイスをもらいながら、少しずつ理解を深めていけたらと思っています。