【Live配信セミナー】機械学習による高分子の劣化診断、予測技術

セミナープログラム

【10:30-12:00 】
１．近赤外光とインフォマティックス技術を用いたプラスチックの劣化診断
【講師】(国研)産業技術総合研究所　機能化学研究部門　化学材料評価グループ 研究グループ長　博士(理学)　新澤 英之 氏 　

【習得できる知識】
　・高分子分析、近赤外分光法、スペクトル解析

【講演趣旨】
・近赤外光を用いてプラスチックの構造を非破壊的に分析する技術及び、測定データに機械学習を適用することで劣化状態を予測する診断モデルについて解説する。 

１．高分子の劣化診断
　1.1 高分子の劣化とは
　1.2 劣化試験の仕組み
　1.3 機械試験による劣化診断
　1.4 破断伸びについて
　1.5 ポリプロピレンの劣化
２．近赤外分光法の原理
　2.1 近赤外スペクトル
　2.2 ケモメトリックスとは
　2.3 機械学習の発展
　2.4 主成分分析の原理
　2.5 PLS回帰分析の原理
３．ポリプロピレンの劣化予測
　3.1 ポリプロピレンの近赤外スペクトル
　3.2 ポリプロピレンの劣化予測
　3.3 ポリプロピレンの劣化メカニズム
　【質疑応答】 

【12:50-14:20】
２．分子シミュレーションを用いた 高分子材料の破壊メカニズムの解析
【講師】九州大学　情報基盤研究開発センター　准教授　博士 (理学) 　樋口 祐次 氏 

【習得できる知識】
・分子スケールにおける高分子材料の破壊プロセス
・壊れやすい構造と壊れにくい構造
・劣化防止や耐久性向上に向けた材料設計の指針
・分子シミュレーションによる研究事例
・他の事例や材料設計への展開 

【講座趣旨】
　低劣化・高耐久の高分子材料設計に役立てるために、分子スケールにおける高分子材料の構造やダイナミクス解明を行ってきた。本セミナーでは、分子シミュレーションによる結晶性高分子や高強度ゲルの破壊プロセスに関して紹介する。分子スケールにおいて高分子材料がどのように壊れるのか、どのような構造が壊れやすいのかに関して解説する。

１．結晶性高分子の破壊プロセス
　1.1　破壊プロセスにおける分子スケールの構造とその変化
　1.2　空孔生成
　　1) 空孔生成の原因となる分子構造の変化
　　2) メカニズムに基づく壊れやすい構造
　1.3　空孔の成長プロセスにおける内部構造の変化
　1.4　分子構造と応力伝播の関係性
　1.5　クリープ試験
　1.6　不可逆性の原因となる内部構造の変化
２．ダブルネットワークゲルの破壊プロセス
　2.1　ネットワークの構成条件と機械的特性の関係
　　1)　組成比の影響
　　2)　鎖長の影響
　　3)　密な網目構造の影響
　　　　架橋間隔の影響
　2.2　分子スケールの空孔生成と成長
３．まとめ
【質疑応答】

【14:30-16:00 】
３． 熱分解GC-TOFMSと機械学習を用いた構造解析手法による合成高分子劣化解析
【講師】日本電子(株)　MS事業ユニット　MSアプリケーション部1G グループ長　博士（理学）　佐藤 貴弥 氏

【習得できる知識】
　 GC-TOFMSと機械学習を用いた合成高分子の構造解析手法およびポリエチレンテレフタレートの劣化解析への応用

【講座趣旨】
　熱分解GC-MSは工業材料分析においては欠かすことのできない手法である。昨今、工業材料の劣化を化学的視点で理解することが益々重要となっており、微細な構造差異の解析では高分解能TOFMSの活躍の場が増えている。本セミナーでは、弊社で開発したGC-TOFMSと機械学習を用いた合成高分子の構造解析手法の解説および、ポリエチレンテレフタレート(PET)の劣化解析への応用を紹介する。また劣化解析においては種々の分析手法との多角的分析も重要であり、GC-TOFMSの位置づけも紹介したい。

１．合成高分子解析における質量分析法の活用
　1.1　GC-TOFMSについて
２．GC-TOFMSのイオン化法
３．TOFMSの原理と精密質量解析
４．GC-TOFMSを用いた統合解析
５．機械学習によるデータベース構築と構造解析
６．熱分解GC-TOFMSによる合成高分子の分析事例の紹介
　6.1　熱分解GC-MSの原理
　6.2　合成高分子解析での熱分解GC-TOFMS活用方法
７．反応熱分解GC-TOFMSによるPETの劣化解析事例
　7.1　反応熱分解GC-MSについて
　7.2　紫外線照射により劣化したPETの構造解析事例
　7.3　PETの劣化における多角的な解析事例
【質疑応答】

【16:10-17:10 】４．機械学習を用いた高分子複合材料における疲労限の予測
【講師】日野自動車(株)　材料技術部　有機材料グループ 　主幹　柴野 赳雄 氏　

【習得できる知識】
　 ・材料のさまざまな物性の予測を目指した機械学習の活用仕方
　 ・機械学習の結果を鵜呑みにせず、予測モデルの確からしさの確認仕方など

【講座趣旨】
　 樹脂材料に関する評価の中で、疲労試験は期間が長く、短期化が求められています。 今回、疲労試験の短期化に向けて、機械学習を活用し、疲労限の予測を目指しました。本取り組みについて、解説させていただきます。

１．背景と目的
　1.1　背景
　1.2　疲労試験とは
２．モデル化手法
　2.1　解析に用いる樹脂材料のデータ
　2.2　前処理
　2.3　非線形回帰（Random Forest, XG Boost, Light GBM）
　2.4　モデル化の手順
　2.5　モデルの評価指標
３．非線形解析結果と考察
　3.1　ハイパーパラメータのチューニング及び予測モデルの妥当性確認
　3.2　予測モデルの汎化性能検証
　3.3　新規データを用いた予測モデルの汎化性能確認
４．まとめ
【質疑応答】

セミナー講師

１． (国研)産業技術総合研究所　機能化学研究部門　化学材料評価グループ 研究グループ長　博士(理学)　新澤 英之 氏 
２．九州大学　情報基盤研究開発センター　准教授　博士 (理学) 　樋口 祐次 氏
３．日本電子(株)　MS事業ユニット　MSアプリケーション部1G グループ長　博士（理学）　佐藤 貴弥 氏
４．日野自動車(株)　材料技術部　有機材料グループ 　主幹　柴野 赳雄 氏

セミナー受講料

1名につき 66,000円（消費税込、資料付）
〔1社2名以上同時申込の場合のみ1名につき60,500円〕

受講について

• 本講座はZoomを利用したLive配信セミナーです。セミナー会場での受講はできません。
  下記リンクから視聴環境を確認の上、お申し込みください。
  　→ https://zoom.us/test
• 開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。
• 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。
• Zoomクライアントは最新版にアップデートして使用してください。
• Webブラウザから視聴する場合は、Google Chrome、Firefox、Microsoft Edgeをご利用ください。
• パソコンの他にタブレット、スマートフォンでも視聴できます。
• セミナー資料はお申込み時にお知らせいただいた住所へお送りいたします。
  お申込みが直前の場合には、開催日までに資料の到着が間に合わないことがあります。ご了承ください。
• 当日は講師への質問をすることができます。可能な範囲で個別質問にも対応いたします。
• 本講座で使用される資料や配信動画は著作物であり、
  録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
• 本講座はお申し込みいただいた方のみ受講いただけます。
  複数端末から同時に視聴することや複数人での視聴は禁止いたします。
• Zoomのグループにパスワードを設定しています。
  部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。
  万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。