【中止】マテリアルズ・インフォマティクスのためのデータベース構築と記述子設計

セミナープログラム

【10:00‐11:30】
１．マテリアルズインフォマティクスを適用した材料開発ソリューション
(株)日立製作所　森田 秀和 氏

１．背景
　1.1　社会の動向と材料開発の課題
　1.2　MIとは
　1.3日立の取り組み

2. 日立の材料開発ソリューション
　 2.1　日立の材料開発ソリューションの特徴
　 2.2　材料開発ソリューションのサービス
　 2.3　材料データ分析支援サービス
　 2.4　材料データ分析環境提供サービス

３． お客様の声とソリューションによる解決例
　 3.1　独自整形プログラムによるデータ整形効率化
　 3.2　PoC時に生成した学習済みモデルのご提供
　 3.3　データベースによる実験データの一元管理
　 3.4　データ項目マスキングによる機密データの保護
　 3.5　材料開発ソリューションにおける知財

４．材料データ分析支援サービスの事例
　 4.1　実験時間短縮支援の事例(磁性材料への取り組み)
　 4.2　実験計画支援の事例(有機材料への取り組み)

５．導入までの流れ
【質疑応答】

【12:10‐13:40】
２．材料設計を支えるデータベースの展望とマテリアルインフォマティクス
(国研)物質・材料研究機構　徐 一斌 氏　
【習得できる知識】
世界の材料データベースの歴史と現状、データ収集・加工及びデータベース構築の基礎知識、マテリアルインフォマティクス（MI）の応用例とスモールデータ戦略について、習得できる。
【講座の趣旨】
　材料データベースはMIの基盤である。一方、データ不足は、MI研究のボトルネックとなっている。MIにおけるビッグデータの考え方、データベースの構築方法、および既存の材料データと知識の活用方について、いくつの例を通して紹介する。

１．材料データベースの変遷と世界のデータベース
２．データベースからビッグデータへ
　2-1　材料データの応用
　　・材料識別・材料選択
　　・特性予測
　　・材料設計
　2-2　材料ビックデータの課題
３．データ収集と加工　　
　3-1　データフロー
　　・データ収集：文献から
　　・研究者のファーストハンドデータ
　　・ハイスルプット計算
　　・ハイスルプット実験
　3-2　データ管理
　3-3　データマネジメントシステム
　3-4　データ評価と編集
４．マテリアルズインフォマティクス応用例
５．Small data戦略
　5.1 データの量と品質
　5.2 スモールデータ戦略
【質疑応答】

【13:50‐15:20】
３．機械学習データマイニングとハイスループット実験による 酸化物イオン伝導体の探索　
(株)豊田中央研究所　旭 良司 氏

【習得できる知識】
　材料インフォマティクスの概要や世の中の研究動向、および、講師が取り組んできたデータ駆動型物質設計・材料開発の紹介をします。講座を通じて、材料開発を加速化するためのアイディアを少しでも提供できれば幸いです【講座の趣旨】
　システムやデバイスの性能やスペックを飛躍的に向上させる新規材料の開発が求められる一方で、材料開発にかかる期間は長く、開発コストは依然として大きい。近年注目されている材料インフォマティクスは、従来のカン・コツではなく、膨大なデータとその機械学習により、適切な材料を短時間に提案する手段として期待されている。講座では、材料インフォマティクスの概要と世の中の研究動向についてレビューをした後、講師が取り組んできたデータ駆動型物質設計・材料開発について紹介する。特に、材料インフォマティクスを有効に活用し機能させるために開発してきた要素技術とそれを応用した実例について紹介する。最後に、材料インフォマティクスの将来展望について講師の所感を述べる。る。

１．材料インフォマティクスの概要
　1-1 世の中の動向
　1-2 要素技術

２．計算技術の活用
　2-1 ハイスループット計算手法
　2-2 触媒、イオン伝導体への応用

３．機械学習を用いた材料開発
　3-1 イオン伝導体材料の探索
　3-2 ハイスループット実験の構築と適用
　3-3 画像処理を用いた材料組織モデルの活用

４．課題と展望

５．まとめ

【質疑応答】

【15:30‐17:00】

４．材料科学における静的及び動的な記述子　　　　
北海道大学　　西浦 廉政 氏

　【ご活躍】
　東北大学材料科学高等研究所　研究顧問
　JST未来社会創造事業「共通基盤」領域運営委員
　
  【講座趣旨】
　材料科学においてミクロな構造とマクロな性能をどう関連付けるかは最も重要な問題の一つである．とくに不定形・不均一なアモルファス材料においては，その構造同定の至難さと共に機械的な強靭さをどのような指標で判定するかはまだ十分に解明されたとは言えない．本講座では，構造においては古典的な機械学習の手法と共に，数学的にも興味深いパーシステントホモロジーを紹介し，その利点と相補性を述べる．次に動的な材料性能の判定手法として，マクロなフェーズフィールド型亀裂進展モデルを紹介し，そこから得られるスカラー指標の有効性を議論する．とくにミクロ・メソの構造情報がどのようにマクロモデルに組み込むことが可能であるかについて一つの試みを紹介する

１．Ｘ線CT画像解析
　1.1　ノイズ，ゆらぎを含む背景画像
　1.2　プロセスの違いは画像にどう反映するか？
　1.3　ランダム画像からランダム成分を取り去る？
　1.4　アモルファス材料（エポキシ樹脂）の不均一性を取り出す

２．トポロジカルデータ解析
　2.1　パーシステントホモロジーの基礎
　2.2　アモルファス材料に対する広義の穴の分類学
　2.3　逆解析の試み

３．フェーズフィールド型亀裂進展モデルによる性能評価
　3.1　フェーズフィールド型亀裂進展モデルとは何か
　3.2　性能評価の指標としては何が適当か？
　3.3　ミクロ・メソ構造の不均一性の特徴付けをどうマクロモデルに取り込むのか？
　3.4　計算例

４．今後の展望と質疑応答

【質疑応答】

セミナー講師

１．(株)日立製作所 公共システム事業部 学術情報システム部 第4G　主任技師　森田 秀和 氏
２．(国研)物質・材料研究機構　情報統合型物質・材料研究拠点 データプラットフォーム　 プラットフォーム長　博士(工学,情報学)　徐 一斌 氏
３．(株)豊田中央研究所 旭特任研究グループ リーダー　旭 良司 氏
４．北海道大学　名誉教授、東北大学　材料科学高等研究所　研究顧問　西浦 廉政 氏

セミナー受講料

1名につき 60,000円（消費税抜、昼食・資料付）
〔1社2名以上同時申込の場合のみ1名につき55,000円〕