＜データ不足の壁を乗り越えるための＞マテリアルズインフォマティクスの方法とその実践

限られたデータ量をどのように捉え解析を進めて行けば良いのか？データ科学による材料開発の課題であり要点でもある少量データへの対処法を、基礎から様々な適用事例を取り上げながら解説します！ 

セミナー講師

情報・システム研究機構 統計数理研究所 データ科学研究系 教授同研究所 ものづくりデータ科学研究センター センター長 博士（学術） 　吉田 亮 先生

ご専門および得意な分野・研究：データサイエンス、マテリアルズインフォマティクス

セミナー受講料

1名47,300円(税込（消費税10％）、資料付)　＊1社2名以上同時申込の場合、1名につき36,300円　＊学校法人割引；学生、教員のご参加は受講料50％割引。

受講について

• 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。（開催1週前～前日までには送付致します）※準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。（土、日、祝日は営業日としてカウント致しません。）
• 受講にあたってこちらをご確認の上、お申し込みください。
• Zoomを使用したオンラインセミナーです→環境の確認についてこちらからご確認ください

セミナー趣旨

　データ駆動型研究における最も重要な資源はいうまでもなくデータです。しかしながら、材料研究ではデータ駆動型研究に資する十分なデータを利用できないことが多々あります。本講義では、限られたデータの壁を乗り越えるためのデータ科学の方法論や実験・シミュレーションデータの統合解析を主なテーマとし、様々な適用事例を取り上げながらマテリアルズインフォマティクスの基礎と活用方法を学びます。

受講対象・レベル

化学・素材企業の実務担当者

習得できる知識

マテリアルズインフォマティクスのデータ解析（機械学習など）に必要な基礎知識、ソフトウェア、データベースなど

セミナープログラム

1．はじめに（1）マテリアルズインフォマティクスにおける機械学習：順問題と逆問題（2）様々な材料データベース（3）様々なソフトウェア（4）限られたデータの壁2．機械学習による材料設計の基礎（1）組成・構造記述子（2）材料の組成・構造から物性を予測する（3）所望の特性を持つ材料を予測する（4）高分子材料への適用例（5）合金系への適用例（6）XenonPyの紹介3．モデルの解釈・説明（1）重要記述子の同定と解釈の難しさ（2）説明可能AI（3）機械学習による法則の発見4．進んだ話題：限られたデータへの対処法（1）転移学習・ドメイン適応・マルチタスク学習（2）スモールデータ問題と関数出力変数の予測（3）ベイズ最適化による適応的実験計画（4）実験・シミュレーション・機械学習の統合解析（5）高分子物性自動計算ソフトウェアRadonPyの紹介　　＜質疑応答＞