マテリアルズ・インフォマティクスに基づくスペクトルデータ解析概要

セミナー趣旨

  　近年では物質・材料に関するスペクトルデータを大量に取得できる装置環境が整ってきているが、複雑な形状をとるものや、フィッティングにかかる手間などから網羅的に解析を実施することが困難になってきている。
　本セミナーでは、取得したデータからの情報抽出のための機械学習活用について、機械学習の数理的な側面も交えながら基礎的な内容を紹介する。

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概要

　　1.1　機械学習の基礎
　　1.2　機械学習応用の流れと課題設定の重要性
　　1.3　代表的な機械学習応用事例の紹介
　　1.4　物質・材料データの特徴と注意点
　　1.5　「分かりたい」のか「見つけたい」のか？
　　1.6　情報科学市民権
　　1.7　物質科学の立場として忘れてはいけないこと

　2　スペクトルデータの低次元化とクラスター解析

　　2.1　高次元データとしてのスペクトルと低次元化の重要性
　　2.2　分類：教師あり学習と教師なし学習
　　2.3　特徴空間と類似度
　　2.4　特徴空間の解釈性と表現性
　　2.5　主成分解析によるスペクトルの低次元化
　　2.6　k-means法によるスペクトルの分類
　　2.7　階層的クラスタリングによるスペクトルの分類

　3　予測（回帰）：予測モデルとモデル選択

　　3.1　予測・モデル選択の応用例
　　3.2　モデル推定の種類（最尤法, MAP推定, ベイズ推定）
　　3.3　確率論的にみた回帰と正則化
　　3.4　非線形モデリングの困難
　　　3.4.1　マルコフ連鎖モンテカルロ法によるパラメータ最適化
　　　3.4.2　情報量基準によるモデル選択
　　　3.4.3　解析事例

　4　スペクトル解析のためのEMアルゴリズムによるピーク検知

　　4.1　ピーク検知のための処理フロー
　　4.2　非線形最小二乗法の困難
　　4.3　回帰と分布推定の違い
　　4.4　ガウス分布の最尤推定
　　4.5　EMアルゴリズムによる最尤推定
　　4.6　スペクトル解析のための改良EMアルゴリズム
　　4.7　解析事例

セミナー講師

安藤　康伸（あんどう　やすのぶ）　氏
国立研究開発法人産業技術総合研究所　機能材料コンピュテーショナルデザイン研究センター　主任研究員（博士（理学））  

＜略歴＞ 　

　2012年　東京大学　大学院理学系研究科　物理学専攻　博士後期課程修了（博士（理学））。
　同年　産業技術研究所　産総研特別研究員。
　2013年　東京大学大学院　工学系研究科　マテリアル工学専攻 助教。
　2016年　産業技術総合研究所　研究員。
　2018年　同所 主任研究員。
　2022年より、早稲田大学 スマート社会技術融合研究機構 研究院　客員准教授を兼務。

セミナー受講料

お1人様受講の場合　50,600円[税込]／1名
1口でお申込の場合　61,600円[税込]／1口（3名まで受講可能）
 
受講申込ページで2～3名を同時に申し込んだ場合、自動的に1口申し込みと致します。

受講について

• 本セミナーの受講にあたっての推奨環境は「Zoom」に依存しますので、ご自分の環境が対応しているか、お申込み前にZoomのテストミーティング（http://zoom.us/test）にアクセスできることをご確認下さい。
• インターネット経由でのライブ中継ため、回線状態などにより、画像や音声が乱れる場合があります。講義の中断、さらには、再接続後の再開もありますが、予めご了承ください。
• 受講中の録音・撮影等は固くお断りいたします。