マテリアルズ・インフォマティクスと第一原理計算による材料研究の実践

受講対象・レベル

＜第１部＞
企業・研究機関での電子材料研究・開発業務に従事する研究者・技術者

＜第２部＞
MI業務に従事するまたはMI業務に従事する若手社員の上長となる中堅社員

＜第３部＞
・材料開発・解析・シミュレーション業務に携わる方
・生成AI（ChatGPT等）を使ったことはあるが、
　その仕組みや限界を体系的に理解したい技術者・研究者の方
・生成AIを研究業務へ導入したいが、具体的な活用方法が整理できていない方
・ChatGPT等の活用を検討しているが、研究現場での使い方を学びたい方

必要な予備知識

特に予備知識は必要ありません。
第一原理計算、マテリアルズインフォマティクスの知識・興味を持っているとなおよいです。
また、生成AIを使った経験がなくても受講可能です。
※技術的な内容は概念レベルで解説し、専門数式や実装詳細には踏み込みません。

習得できる知識

＜第１部＞
第一原理計算・マテリアルズインフォマティクスを基礎から応用までお伝えし，
企業での電子材料研究等への活用を目指します。
（受講者には、必要に応じて個別案件についても相談に応じます。）

＜第２部＞
・膨大な多元素材料の探索空間とマテリアルズ・インフォマティクス活用の具体例
・ニューラルネットワークポテンシャルによる高速なデータ創出
・マテリアルズ・インフォマティクス人材の育成
・データに関する知識

＜第３部＞
・LLM（大規模言語モデル）の基本原理と限界の理解
　（「なぜ答えられるのか」「なぜ間違えるのか」）
・ChatGPT等を安全に利用するための環境構築と注意点
　（機密情報、API利用、アップロードデータの扱いなど）
・材料研究プロセスにおける生成AIの具体的活用方法
　（文献調査の効率化、論文要約・翻訳、情報抽出・トレンド整理、
　コーディング補助・自動化支援など)
・将来的なAIエージェント活用の方向性
単なる「便利ツール」としてではなく、研究ワークフローに組み込むための視点を得られます。

セミナープログラム

＜第１部＞企業での研究開発に活用できる、第一原理計算とマテリアルズ・インフォマティクスの手法と応用例（10：00～12：00）

【趣旨】
　企業（Panasonic）及び公的研究機関（JFCC）にて第一原理計算・マテリアルズ・インフォマティクスによる材料研究から製品設計，量産化，数値解析グループ長を務めた経験を有する講演者が，自身の経験に基づき，企業での電子材料研究（電池材料，誘電体材料等）に使える第一原理計算・マテリアルズ・インフォマティクスを基礎から応用まで講義致します．
　また，企業研究への第一原理計算・マテリアルズ・インフォマティクス応用研究成功のためのノウハウをお伝えします．

【プログラム】
０．事前質問事項への回答

１．第一原理計算
　1-1　第一原理計算とは
　1-2　第一原理計算で何ができるか？
　1-3　計算環境の例
　1-4　計算スキーム

２．計算理論・計算手法
　2-1　波動方程式を解くために
　2-2　Born-Oppenheimer（断熱）近似
　2-3　分子の電子状態計算手法
　2-4　密度汎関数法
　2-5　Kohn-Sham方程式
　2-6　一電子（平均場）近似
　2-7　局所密度近似（LDA）
　2-8　一般化密度勾配近似（GGA）
　2-9　波動関数をどう表現するか
　2-10　領域の分割
　2-11　平面波基底
　2-12　擬ポテンシャル法とフルポテンシャル法

３．第一原理計算を実施する環境整備
　3-1　どんな計算機を用意すべきか
　3-2　PCクラスター

４．第一原理計算応用例
　4-1　企業における実用的な第一原理計算
　4-2　成功する企業における第一原理計算導入例と失敗する第一原理計算導入例

５．マテリアルズ・インフォマティクス
　5-1　マテリアルズ・インフォマティクスとは？
　5-2　マテリアルズ・インフォマティクスの問題点
　5-3　企業における実用的なマテリアルズ・インフォマティクス

６．Q＆A

-------------------------------------------------------------------------------------------
＜第２部＞マテリアルズ・インフォマティクスの活用、データ蓄積と人材育成：実践から見た課題と展望（13：00～14：45）

【趣旨】
　材料研究におけるマテリアルズ・インフォマティクスは「流行のAI技術」ではなく、「材料創製のやり方そのものを変える基盤技術」である。物質理解から材料設計への展開、データを自ら生み・蓄積し・活用するプロセス、ハイスループット実験による探索空間の拡張を通じ、材料開発を変革するための事例を紹介し、考え方を整理する。
　さらに、MIを実際の研究開発にどう適用するか、課題設定や実験省力化、新材料・未踏材料探索の現場で見えてきた実践的な論点を共有する。加えて、エクセルから始める現実的な非専門人材に対するAIリテラシー教育から始めた人材育成から自走するフェーズまでの経験を共有する。
　最後に、データとは何か、FAIR原則、法制度といった基礎知識を押さえ、研究開発の現場でMIを継続的に活かすための視点を提供する。

【プログラム】
１．材料創製インフォマティクス
　　　物質から材料へ
　　　データをつくる、ためる、つかう
　　　ハイスループットスクリーニング
　　　材料開発の異次元の効率化

２．マテリアルズ・インフォマティクスの活用
　　　マテリアルズ・インフォマティクスのスコープ
　　　取り組み課題の選定
　　　実験試行の省力化
　　　新材料の探索
　　　未踏材料創製への挑戦
　　　実践活用から見える課題

３．マテリアルズ・インフォマティクスの活用と人材
　　　AI教育とAIディバイド
　　　ターゲット層
　　　マテリアルズ・インフォマティクスのはじめ方
　　　　～2015年編、2018年編、2020年編、2024年編
　　　資料、AIで作ってもいいですか？
　　　エクセルからはじめよう
　　　データについて検討したんです
　　　マテリアルズ・インフォマティクスの活用を止めないために

４．実践活用のための基礎知識
　　　データとは何か？
　　　FAIR原則
　　　法制度とデータ

（質疑応答）

-------------------------------------------------------------------------------------------
＜第３部＞材料研究プロセスにおける生成AI活用入門―LLMの基礎理解から研究プロセスへの実装まで―（15：00～17：00）

【趣旨】
　近年、マテリアルズインフォマティクスの進展とともに、データ駆動型研究の重要性が高まっています。その中で、ChatGPTに代表される大規模言語モデル（LLM）は、文献調査、情報整理、コード生成、報告書作成など、研究活動の多くの工程を支援可能な技術として注目されています。
　本セミナーでは、LLMの基本的な仕組みと限界を正しく理解したうえで、ChatGPT等の利用環境構築方法と運用上の注意点を解説します。その上で、材料研究プロセス（文献探索、仮説整理、データ解析補助、コード作成支援など）への具体的活用事例を紹介し、生成AIを効果的に研究基盤へ組み込むための実践的な視点を提供します。

【プログラム】
１．大規模言語モデル（LLM）の基礎
　1-1　LLMとは何か
　　　（1）生成AIの位置づけ
　　　（2）大規模言語モデルの定義
　　　（3）「次単語予測」という考え方
　1-2　モデルの進化とTransformer
　　　（1）RNNの課題
　　　（2）Transformerの登場
　　　（3）Self-Attentionの概念
　　　（4）コンテキスト長の意味
　1-3　Scaling Law（スケーリング則）
　　　（1）パラメータ数・データ量・計算量の関係
　　　（2）なぜ大規模化で性能が向上したのか
　　　（3）創発的能力（Emergent Abilities）
　　　（4）なぜ近年急速に性能が向上したのか
　1-4　LLMの特性と限界
　　　（1）LLMは確率モデルであるという本質
　　　（2）ハルシネーションが起きる理由
　　　（3）データ依存性とバイアス
　　　（4）「理解しているわけではない」という点
　　　（5）なぜ間違えるのか（確率的予測の限界）

２．ChatGPTの利用と環境構築
　2-1　利用形態の整理
　　　（1）Web版の利用方法
　　　（2）API利用の概要
　　　（3）無料版・有料版の違い 
　2-2　使用の注意点
　　　（1）入力情報の公開範囲
　　　（2）研究データ・機密情報の扱い
　　　（3）APIキー・トークン管理
　　　（4）再現性確保の考え方

３．研究・業務への活用事例
　3-1　文献調査・情報整理
　　　（1）論文要約
　　　（2）翻訳
　　　（3）トレンド抽出 
　3-2　コーディング支援
　　　（1）コード生成
　　　（2）デバッグ支援
　　　（3）既存コードの改善・最適化
　　　（4）ドキュメント生成
　3-3　自動化ツールの作成例
　　　（1）データ整理スクリプト作成
　　　（2）APIを用いた文献検索 
　　　（3）CSV保存・条件変更などの改良指示

４．発展的内容
　4-1　RAG（検索拡張生成）
　　　（1）外部データとの連携
　　　（2）研究データベース活用の可能性
　4-2　AIエージェント
　　　（1）エージェントの概念
　　　（2）研究ワークフロー自動化の方向性

５．まとめ・質疑

スケジュール
10：00～12：00　第１部
12：00～13：00　休憩
13：00～14：45　第２部
15：00～17：00　第３部

※当日の進行状況により変動する場合がございます。

キーワード：
マテリアルズ・インフォマティクス,第一原理計算,人材育成,LLM,AI,講演,研修

セミナー講師

＜第１部＞
（一財）ファインセラミックスセンター　ナノ構造研究所
　　計算材料グループ　グループ長　主幹研究員　博士（工学）　森分 博紀　氏
（東京科学大学　総合研究院　元素戦略MDX研究センター　特定教授　併任）

【ご専門】
第一原理計算を活用した材料研究

Panasonicにて電子材料材料研究，材料開発，電子部品開発に従事した後に，社命により京都大学に留学し，第一原理計算研究に従事．2001年博士学位取得後，第一原理計算チームを創設しチームリーダーに就任．2006年（一財）ファインセラミックスセンター入所し計算材料グループを創設しグループ長に就任．
マテリアルズ・インフォマティクスの国家プロジェクトであるMI2I，Liイオン電池国家プロジェクトLi-EAD，RISING2，RISING3など数多くの国家プロジェクトに参画し第一原理計算担当として活躍、現在に至る．

2003年度日本セラミックス協会　JCerSJ優秀論文賞
2004年度日本セラミックス協会　技術奨励賞

-------------------------------------------------------------------------
＜第２部＞
信州大学　アクア・リジェネレーション機構　教授　博士（工学）　古山 通久　氏

【ご専門】
化学システム工学、計算化学、マテリアルズ・インフォマティクス

2002年東京大学大学院工学系研究科博士後期課程修了、博士（工学）。東京大学研究員、東北大学助教、九州大学教授、物質・材料研究機構ユニット長を経て2018年より現職。
2025年化学工学会研究賞、2021年日本コンピュータ化学会学会賞、2014年科学技術分野の文部科学大臣表彰若手科学者賞などを受賞。
2025年データ駆動型材料科学研究会会長。

-------------------------------------------------------------------------
＜第３部＞
東京大学　物性研究所　特任研究員　博士（理学）　吉見 一慶　氏

【ご専門】
計算物質科学

2009年 3月　東京大学大学院 理学系研究科 物理学専攻 博士課程 修了
2009年 4月 – 2010年 3月 東京医科歯科大学 教養部 特任助教
2010年 4月 – 2012年 3月 東京大学大学院 理学系研究科 特任研究員
2012年 4月 – 2015年 3月 （株）構造計画研究所
2015年 4月 – 東京大学物性研究所 特任研究員
　　　　　　(ソフトウェア開発・高度化プロジェクトチームリーダー)
(2016年 1月 – 2020年 3月 はPCoMS PIも兼任、2024年12月- 東京大学リサーチアドミニストレータ(UTRA))

セミナー受講料

55,000円（税込、資料付）
■ 会員（案内）登録していただいた場合、通常1名様申込で55,000円（税込）から
　・1名で申込の場合、49,500円（税込）へ割引になります。
　・2名同時申込で両名とも会員登録をしていただいた場合、
　　55,000円（1名当たり 27,500円）（税込）です。


※ 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。

主催者

開催場所

受講について

Zoomを使ったWEB配信セミナー受講の手順

1. 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。
2. セミナー前日までに必ず動作確認をお願いします。
3. 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。