【講演主旨】

【予定】
第１回　04月10日(月)　13:30-16:30（※アーカイブ配信がございます）
第２回　05月15日(月)　13:30-16:30（※アーカイブ配信がございます）
第３回　06月12日(月)　13:30-16:30​

【プログラム】

【第1回】マテリアルズ・インフォマティクスの基礎
（日時：04月10日(月)　13:30-16:30 、学習時間：3時間）

1. マテリアルズ・インフォマティクス（MI）とは
　1-1. MIの背景
　1-2. MIがブームになった背景
　1-3. MI導入時のポイント
　1-4. MI解析の流れ
2. 機械学習概要
　2-1. 機械学習基礎編
　　a) 必須用語
　　b) 機械学習モデル概要
　　c) 機械学習モデルの評価手法
　　d) データの次元圧縮による可視化
　2-2. 機械学習応用編
　　a) 特徴量エンジニアリング
　　b) 説明変数選択
　　c) 機械学習モデルのハイパーパラメータの最適化
　　d) アンサンブル学習
3. 最適条件探索手法
　3-1. 実験計画法
　3-2. ベイズ最適化
　3-3. 遺伝的アルゴリズム
　3-4. 予測用候補サンプルの作り方
4. ケモインフォマティクス
　4-1. 化合物データの取り扱い
　4-2. 構造記述子
　4-3. 化合物の類似度の計算
　4-4. 分子構造生成
5. 演習

【演習回答・内容への質疑応答】

【第2回】マテリアルズ・インフォマティクスの応用
（日時：05月15日(月)　13:30-16:30、学習時間：3時間）

1. MIを活用した実験的な精度向上に向けて
　1-1. 複合系のデータの取り扱い（組成最適化、特徴量エンジニアリング）
　1-2. 公共データベース、特許、文献情報の活用
　1-3. 適用領域（Applicability Domain: AD）
　1-4. 予測、候補サンプルの選択の仕方
2. 画像解析
　2-1. MIでよく扱う画像解析の課題点
　2-2. 画像の前処理
　2-3. 画像の特徴量抽出、特徴量解析
3. データベース構築
　3-1. MI用データベースの作り方
　3-2. データベースからのMI活用
4. 自然言語処理
　4-1. 特許・文献からの情報抽出
　4-2. 自然言語処理を活用した新規材料探索
5. MIの今後の展望
　5-1. 自律型実験装置
　5-2. メタバース/デジタルツイン/VR/AR
　5-3. 自動応答タスクの活用（ChatGPT）
6. 演習

【演習回答・内容への質疑応答】

【第3回】量子コンピュータを活用した材料開発
（日時：06月12日(月)　13:30-16:30、学習時間：3時間）

１．量子コンピュータの概要
　1-1. 量子コンピュータ基礎知識
　1-2. 量子ゲート方式
　1-3. 量子アニーリング方式
2. 量子コンピュータの導入
　2-1. 情報収集
　2-2. ツール（量子クラウドサービス、GPU量子コンピュータなど）
　2-3. 社外ネットワーク構築
　2-4. 量子コンピュータの社内導入
3. 量子コンピュータの人材獲得・育成
　3-1. 量子コンピュータ人財の適性
　3-2. 人財獲得
　3-3. 人財育成
4. 材料開発への量子コンピュータにおける組合せ最適化問題を中心とした適用事例
　4-1. 量子化学計算
　4-2. 組合せ最適化問題
　4-3. 量子機械学習
　4-3. 量子コンピュータを活用した材料開発のユースケース探索の仕方
　4-4. 量子コンピュータの今後の将来展望
5. 演習

【演習回答・内容への質疑応答】