マテリアルズインフォマティクス(MI)の最新動向と小規模データ駆動型MIの展開

~小規模データを活かしたMI研究開発を効率化させるために~

■小規模データへのMIへの適用方法■
■MI活用による物質探索・プロセス最適化や性能向上の予測モデル構築■
■研究者/技術者の熟練の知恵と機械学習の融合方法■

マテリアルズインフォマティクス(MI)の研究開発への取り入れ方と活用方法
扱う材料系が多様、データが集まりにくい、データの規模が小さい等、、、、
 現実に直面し、糸口が掴め無い場合において実際MIをどのように研究開発に取り入れられるか
小規模データを活用するマテリアル関連研究の高効率化
物質探索やプロセス最適化や性能向上のための予測モデル構築
小規模な実験データを活用し、機械学習と研究者の経験や勘を併用する実験主導MIを具体的な事例をもとに解説

【項目】※クリックするとその項目に飛ぶことができます

    セミナー趣旨

     「マテリアルズインフォマティクス(MI)」は、材料に関する研究開発を効率的に進めるための新しい手法として注目を集めている。しかし、実際にMIをどのように自社・グループの研究開発に取り入れられるか、その糸口がつかめないことも少なくない。特に実験を主体とする研究では、扱う材料系が多様なことや、データの規模が小さいなどの問題点がある。
     本セミナーでは、まず、MIの最近の動向について概説する。続いて、我々のグループ内で開発してきた、小規模な実験や文献データを活用し機械学習と研究者の経験や勘を併用する実験主導MIを、具体的な事例をもとに紹介する。具体的には、ナノシート材料の合成プロセスの制御やリチウムイオン二次電池の有機活物質の探索をもとにご紹介する。これにより、現場やラボレベルでの小規模データを活かしたMIにより、研究開発を効率化させることを目指す。

    受講対象・レベル

    ・MIの導入に興味があるものの導入の糸口がつかめていない方
    ・MIを導入してみたものの思ったような活用につながらない方
    ・グループ内の小規模データではMIの導入は難しいとあきらめていた方

    習得できる知識

    ・小規模データへのMIへの適用方法
    ・研究者/技術者の熟練の知恵と機械学習の融合方法

    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)の最新動向
     1.1 一般的なMIへの期待
     1.2 MIでできることとできないこと
     1.3 MIの歴史と最近の動向
      a)オートメーションとの融合
      b)機械学習の深化
     1.4 MIに関する最近の課題
     1.5 小規模データに適用可能なMI

    2.MIを活用したプロセス最適化事例:ナノシート材料合成の制御
     2.1 MIを導入した系の紹介
      a)2次元材料
      b)なぜMIが必要なのか
     2.2 データセットの準備
      a)ハイスループットな目的変数の設定
      b)説明変数の設定
      c)研究者の関与
     2.3 機械学習と考察の融合による記述子抽出
      a)スパースモデリング
      b)全状態探索
      c)研究者の関与
     2.4 予測モデル構築
     2.5 予測モデルを活用した最少実験数での実験例
     2.6 他の機械学習手法に対する優位性検証
     2.7 適用範囲の拡張に関する検討と予測モデル改良
     2.8 サイズ制御への応用
     2.9 サイズ分布制御への応用

    3.MIを活用した物質探索事例:新規リチウムイオン二次電池有機電極活物質の性能予測と探索
     3.1 MIを導入した系の紹介
      a)リチウムイオン二次電池有機正極・負極活物質
      b)なぜMIが必要なのか
     3.2 データセットの準備
      a)自前実験データを扱う場合
      b)文献データをを扱う場合
     3.3 機械学習と考察の融合による記述子抽出
     3.4 予測モデル構築
     3.5 予測モデルを活用した最少実験数での実験例
     3.6 先行研究との比較
     3.7 他の機械学習手法に対する優位性検証

    4.小規模・実験データへのMIの適用
     4.1 ツールとしてのMIを活用する時代へ
     4.2 明日からできるデータセットの準備
     4.3 明日からできる機械学習と経験・勘・考察の融合

    5.おわりに

      □質疑応答□

    セミナー講師

    慶應義塾大学 理工学部 応用化学科 准教授 博士(工学) 緒明 佑哉 氏
     
    【略歴】
    2002年3月 慶應義塾大学 理工学部 応用化学科 卒業
    2006年3月 慶應義塾大学 大学院理工学研究科 総合デザイン工学専攻
          後期博士課程修了 博士(工学) 取得
    2007年4月 日本学術振興会 特別研究員(PD)
           研究機関:東京大学 大学院工学系研究科
    2009年4月 慶應義塾大学 理工学部 応用化学科 助教
    2012年4月 同 専任講師
    2016年4月~現在  同 准教授
    2016年10月~2020年3月JSTさきがけ研究者(兼任)
    2018年8月~2020年7月文部科学省研究振興局 学術調査官(兼任)

    セミナー受講料

    ※お申込みと同時にS&T会員登録をさせていただきます(E-mail案内登録とは異なります)。

    44,000円( E-mail案内登録価格41,800円 )
    E-Mail案内登録なら、2名同時申込みで1名分無料
    2名で 44,000円 (2名ともE-mail案内登録必須/1名あたり定価半額22,000円)

    【1名分無料適用条件】
    ※2名様ともE-mail案内登録が必須です。
    ※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。
    ※3名様以上のお申込みの場合、1名あたり定価半額で追加受講できます。
    ※請求書(PDFデータ)は、代表者にE-mailで送信いたします。
    ※請求書および領収証は1名様ごとに発行可能です。
     (申込みフォームの通信欄に「請求書1名ごと発行」と記入ください。)
    ※他の割引は併用できません。

    ※テレワーク応援キャンペーン(1名受講)【Live配信/WEBセミナー受講限定】
    1名申込みの場合:35,200円 ( E-Mail案内登録価格 33,440円 )
    ※WEBセミナーには「アーカイブとオンデマンド」が含まれます。
    ※1名様でお申込み場合、キャンペーン価格が自動適用になります。
    ※他の割引は併用できません。

    受講について

    Zoom配信の受講方法・接続確認

    • 本セミナーはビデオ会議ツール「Zoom」を使ったライブ配信となります。PCやスマホ・タブレッドなどからご視聴・学習することができます。
    • 申込み受理の連絡メールに、視聴用URLに関する連絡事項を記載しております。
    • 事前に「Zoom」のインストール(または、ブラウザから参加)可能か、接続可能か等をご確認ください。
    • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
    • セミナー中、講師へのご質問が可能です。
    • 以下のテストミーティングより接続とマイク/スピーカーの出力・入力を事前にご確認いただいたうえで、お申込みください。
      ≫ テストミーティングはこちら

    配布資料

    • PDFテキスト(印刷可)

     

    受講料

    44,000円(税込)/人

    ※セミナーに申し込むにはものづくりドットコム会員登録が必要です

    開催日時


    13:00

    受講料

    44,000円(税込)/人

    ※本文中に提示された主催者の割引は申込後に適用されます

    ※銀行振込 または、当日現金でのお支払い

    開催場所

    全国

    主催者

    キーワード

    化学技術一般   マテリアルズインフォマティクス/ケモインフォマティクス   機械学習・ディープラーニング

    ※セミナーに申し込むにはものづくりドットコム会員登録が必要です

    開催日時


    13:00

    受講料

    44,000円(税込)/人

    ※本文中に提示された主催者の割引は申込後に適用されます

    ※銀行振込 または、当日現金でのお支払い

    開催場所

    全国

    主催者

    キーワード

    化学技術一般   マテリアルズインフォマティクス/ケモインフォマティクス   機械学習・ディープラーニング

    関連記事

    もっと見る