セミナー詳細ページ

■本セミナーの主題および状況

★ビッグデータ、AI、機械学習などといった情報処理技術の進展によりマテリアルズインフォマティクス(MI)という形で膨大な数の実験や論文を解析して材料の製造方法を予測することで材料開発の効率を向上させる取り組みが活発化しております！

★量子コンピュータは分子特性を予測し科学実験を代替することで効率的な材料開発が行えるというメリットを持つことで大きな注目を集めております！

★生成AIは人工知能の一種でありデータから新しい情報やコンテンツを生成する能力を持つシステムやモデルを指し、自然言語処理は人間が日常的に使用する言葉や文章をコンピュータや人工知能システムが理解・解釈し生成するための技術分野であります。

■注目ポイント

★MIで実験計画法として最もよく使われるベイズ最適化の概念、デジタルで化合物を扱うケモインフォマティクスについて紹介！

★将来予測に基づき今後主流となってくることが見込まれる自律化型実験装置や実験デジタルツインとは！？

★数値解析に限らず画像解析や自然言語処理といった材料開発に纏わる様々な手法についても紹介！

■全体スケジュール

【予定】

第1回：5月13日(月)　13:30-16:30
第2回：6月10日(月)　13:30-16:30
第3回：7月8日(月)　13:30-16:30

講座担当：牛田孝平

≪こちらの講座は、WEB上での開催のオンライン学習講座になります≫

※現在、最新のご講演主旨を講師の先生にご考案いただいております。完成次第本ページを更新いたします。

【第1回】　マテリアルズ・インフォマティクスの基礎

　AI駆動型の材料開発であるマテリアルズ・インフォマティクス（MI）の活用は新規材料開発に欠かせないものになりつつあり、その用途は広がるばかりである。本講座では、MIとは何かから始まり、必要となる基礎知識において、機械学習の基礎から丁寧に解説していく。また、MIで実験計画法として最もよく使われるベイズ最適化の概念やデジタルで化合物を扱うケモインフォマティクスについても初学者の方でもすぐに扱えるような内容形式に落とし込んで紹介する。

【第2回】　マテリアルズ・インフォマティクスの応用

　MIの実験精度を向上するためには、データの入力の仕方（特徴量エンジニアリング、外部データ活用）や候補サンプルの抽出などの工夫が重要であり、テクニカルな部分を分かりやすい言葉に置き換えながら紹介していく。また、数値解析に限らず、画像解析や自然言語処理といった、材料開発に纏わる様々な手法についても触れる。将来予測に基づき、今後主流となってくることが見込まれる自律化型実験装置や実験デジタルツインなど、幅広い視野をもって材料開発に取り組んでいくことが重要であることを事例をもって示す。

【第3回】　量子コンピュータを活用した材料開発

　近年、量子コンピュータの技術進行も著しく、材料開発への適用が期待されている。これからは、量子シミュレーションやMIといった既に活用が進んでいるデータ駆動型科学に量子コンピュータをどのように織り交ぜ、用途を広げていくかということが非常に重要になってくる。そこで、いつかはやらなくてはいけないと分かっているものの、量子コンピュータをどのタイミングでどこまで導入したらよいかという悩みも多いと聞く。なるべくコストレスでスムーズに導入を図れるようなアプローチについて、適用事例も交えながら段階的に紹介していく。