マテリアルズ・インフォマティクスの基礎と新規材料開発の探索
開催日 |
10:30 ~ 16:30 締めきりました |
---|---|
主催者 | (株)R&D支援センター |
キーワード | 化学技術一般 CAE/シミュレーション 機械学習・ディープラーニング |
開催エリア | 全国 |
開催場所 | 【WEB限定セミナー】※会社やご自宅でご受講下さい。 |
実用例を取り混ぜ、実験精度向上に向けた実用的なMIの使い方を詳細解説!
セミナー修了後、受講者のみご覧いただける期間限定のアーカイブ配信を予定しております。
セミナー講師
三井化学(株)DX推進本部 DX企画管理部
信州大学工学部 特任准教授
大阪大学基礎工学研究科 招聘教授
博士(工学) 向田 志保 氏
【専門】
情報科学、マテリアルDX(マテリアルズ・インフォマティクス)、生物工学
【略歴】
2007年大阪大学工学研究科で博士号を取得。同年、東レに勤務。
2014年から2017年まで国立遺伝学研究所にて遺伝子の解析やデータベースに関する研究に従事。
2017年から三井化学にてマテリアルズ・インフォマティクスやAIの研究に従事し、現在は、DX技術全般に携わっている。
2022年より信州大学特任准教授。
2023年より大阪大学基礎工学研究科招聘教授。
セミナー受講料
55,000円(税込、資料付)
■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合49,500円、
2名同時申込の場合計55,000円(2人目無料:1名あたり27,500円)で受講できます。
(セミナーのお申し込みと同時に会員登録をさせていただきますので、
今回の受講料から会員価格を適用いたします。)
※ 会員登録とは
ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
すべて無料で年会費・更新料・登録費は一切かかりません。
メールまたは郵送でのご案内となります。
郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。
受講について
Zoomを使ったWEB配信セミナー受講の手順
- Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
- セミナー前日までに必ず動作確認をお願いします。
- 開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。
- セミナー資料は開催前日までにPDFにてお送りいたします。
- 無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
セミナー趣旨
マテリアルズ・インフォマティクス(MI)の活用は新規材料開発に欠かせないものになりつつあり、活用の用途は広がるばかりです。本講習会ではMIのハウツーに加え、実用化を目指したその活用法並びに今後の展開について様々な角度から展開します。
受講対象・レベル
初心者向け、MIの基本からどのように使われるかまで学びたい方、MIの今後の活用方法について興味のある方
習得できる知識
・MIの基礎知識
・MIの実験的な精度向上のテクニック
・MIの今後の活用先に関する周辺技術
セミナープログラム
1.マテリアルズ・インフォマティクス(MI)とは?
1-1 MIの背景
1-2 MIがブームになった背景
1-3 MI導入時のポイント
1-4 MI解析の流れ
2.MI人財
2-1 MIに求められる人財
2-2 MIに求められる技術
2-3 人材育成
~MI解析手法~
3.機械学習概要
3-1 機械学習基礎編
a.必須用語
b.機械学習モデル概要
c.機械学習モデルの評価手法
d.データの次元圧縮による可視化
3-2 機械学習応用編
a.特徴量エンジニアリング
b.説明変数選択
c.機械学習モデルのハイパーパラメータの最適化
d.アンサンブル学習
4.最適条件探索手法
4-1 実験計画法
4-2 ベイズ最適化
4-3 遺伝的アルゴリズム
4-4 予測用候補サンプルの作り方
5.ケモインフォマティクス
5-1 化合物データの取り扱い
5-2 構造記述子
5-3 化合物の類似度の計算
5-4 分子構造生成
6.実験的な精度向上に向けて
6-1 複合系のデータの取り扱い
6-2 公共データベース、特許、文献情報の活用
6-3 適用領域(Applicability Domain: AD)
6-4 予測、候補サンプルの選択の仕方
7.画像解析
7-1 MIでよく扱う画像解析の課題点
7-2 画像の前処理
7-3 画像の特徴量抽出、特徴量解析
7-4 パーシステントホモロジー
8.データベース構築
8-1 MI用データベースの作り方
8-2 データベースのMI活用
9.MI知財
9-1 MI特許の動向
9-2 MI特許戦略
9-3 MI特許の権利化
10. 今後のMIトレンドを追う
10-1 量子コンピュータ
10-2 MIロボティクス
10-3 エッジAI、Robotic Process Automation (RPA)の活用
10-4 自然言語処理
10-5 未来予測
機械学習,Deep Learning,Material,AI,informatics