口2025-0308

発表題目	SHAPによる異なる物性ドメイン間での知識転移とポリマー物性予測
発表者名	○永廣 卓哉、中橋 明子
発表会名	日本化学会第106春季年会
発表日	2026/3/19

概要

高分子材料の物性予測において、限られたデータセットと高い実験コストが課題となっている。本研究では、SHAP(SHapley Additive exPlanations)値を特徴量として活用する転移学習手法を提案した。ソースドメインで学習したモデルから得られたSHAP値を、ターゲットドメインの予測モデルの説明変数として追加することで予測精度が向上した。特に、XGBoost(eXtreme Gradient Boosting)モデルでは、少数データでも安定した性能を示し、従来のニューラルネットワークを用いた手法を上回った。本手法は実装が簡便で、材料科学における実用的なデータ量でも効果的であり、複雑なハーパラメータ調整を必要としないため有用である。