計測インフォマティクスのデータ解析とその事例

計測データをどう集め、増やすか？　　
どう解析し、結果を活用するか？

セミナー講師

１．日本電気(株)　ＮＥＣシステムプラットフォーム研究所　岩崎 悠真 氏
２．名古屋工業大学　情報工学教育類　知能情報分野　准教授　博士(工学)　烏山 昌幸 氏
３．名古屋大学　未来材料・システム研究所　教授　博士(工学)　武藤 俊介 氏
４．慶應義塾大学　理工学部　機械工学科　准教授　博士(工学)　荒井 規允 氏

セミナー受講料

1名につき 60,000円（消費税抜、昼食・資料付）
〔1社2名以上同時申込の場合のみ1名につき55,000円〕

セミナープログラム

【10:00-11:30】
１．マテリアルズ・インフォマティクスを用いた材料開発技術
日本電気(株)　ＮＥＣシステムプラットフォーム研究所　岩崎 悠真 氏　

【講座の趣旨】
　ＡＩ囲碁(AlphaGo)やＡＩ将棋(Ponanza)等によるＡＩブームの影響から、材料開発の分野でもＡＩ技術を用いた取り組みが盛んに行われている。囲碁や将棋などでは、ＡＩが人類を超越した存在になっているが、材料開発の分野では解くべき問題が複雑であるため、ＡＩ技術さえあればよいという状況には至っていない。そのため、材料開発では『ＡＩと科学者の協創』が非常に重要となる。本講演では、材料開発を行う人間を強力にアシストすることができるＡＩ技術(機械学習技術)を紹介し、その実際の応用事例を交えて講演する。

１．マテリアルズ・インフォマティクスについて
２．機械学習の応用事例１ - コンビナトリアルデータ解析技術
　2.1 コンビナトリアル技術とは
　2.2 教師なし学習
　2.3 実際の解析例

３．機械学習の応用事例２ - 物性モデル構築技術
　3.1 スピン熱電材料
　3.2 High-throughput実験
　3.3 High-throughput第一原理計算
　3.4 教師あり学習FAB/HMEs (Explainable AI)
　3.5 実際の材料開発例

４．機械学習の応用事例３ - 材料スクリーニング技術
　4.1 教師あり学習 ベイズ最適化
　4.2 ゲームツリー
　4.3 実際の材料探索例

５．最後に

【質疑応答】

【12:10-13:40】
２．統計的機械学習による材料データ解析
名古屋工業大学　情報工学教育類　知能情報分野　准教授　博士(工学)　烏山 昌幸 氏

１．背景: 統計的機械学習と材料情報学
２．粒界の計算解析
３．粒界原子エネルギー予測
４．転移学習によるコスト考慮型粒界構造探索
５．Al粒界によるケーススタディ

【質疑応答】

【13:50-15:20】
３．機械学習によるスペクトルデータの解析
名古屋大学　未来材料・システム研究所　教授　博士(工学)　武藤 俊介 氏

１．スペクトルデータの基本
２．機械学習法としての次元削減テクニック
３．非負値行列分解法
４．テンソル分解への拡張
５．実データへの応用例と将来展望

【質疑応答】

【15:30-17:00】
４．分子シミュレーションとAIを活用したソフトマター材料の物性予測
慶應義塾大学　理工学部　機械工学科　准教授　博士(工学)　荒井 規允 氏　

【講座概要】
ソフトマター（高分子や液晶分子、コロイドなど）は他の材料で見られない特異な性質を示すため、機能性材料と呼ばれ、我々の身の回りの様々な製品で利用されている．近年さらにその需要が高まっているが、その性質の詳細はまだ不明な点が多く、製品開発には多大なコストが必要である．本講演では、分子シミュレーションをソフトマター材料に適用し、分子レベルのメカニズムを調べたいくつかの研究例を紹介するとともに、AI技術と分子シミュレーションを組み合わせた最新の研究と材料開発に対する今後の展望を示す。

１．ソフトマターについて
２．コンピュータシミュレーションについて
　2.1 分子シミュレーションと連続体シミュレーション
　2.2 高分子の分子シミュレーション
　2.3 散逸粒子動力学(DPD)法

３．分子シミュレーションを用いた材料開発(研究例)
　3.1 紐状ミセル水溶液
　3.2 テレケリックポリマー
　3.3 ナノ粒子の自己集合
　3.4 液晶分子
　3.5 生体膜・ベシクル

４．AIと分子シミュレーションを組み合わせた物性予測・材料開発
　4.1 水分子の振動スペクトル予測
　4.2 高分子の挙動予測
　4.3 界面活性剤の物性予測

【質疑応答】