データ同化を用いたベイズ最適化による材料探索の効率化とプロセスインフォマティクスの実例
～実験データとシミュレーションデータの統合による新しい物質探索手法と高精度な予測モデルを得るためのポイント～
★2025年7月16日WEBでオンライン開講。奈良先端科学技術大学院大学 原嶋氏が、【データ同化を用いたベイズ最適化による材料探索の効率化とプロセスインフォマティクスの実例～実験データとシミュレーションデータの統合による新しい物質探索手法と高精度な予測モデルを得るためのポイント～】について解説する講座です。
※演習では講演者が開発したデータ同化プログラム(CLAUDE)をインストールしていただきます。こちらはPython (ver.3)で開発されたものです。データ同化プログラムのインストールはセミナー当日に説明しながら行います。基本的にGoogle Colaboratoryを使ったクラウド上での実施を想定しておりますので、事前に演習に利用可能なGoogleアカウントのご用意をお願いいたします。当日は、こちらで用意したトイデータを使用してデータ同化プログラムをお試しいただきます。Googleアカウントのご用意が難しい方は講演者のデモンストレーションの様子を見ていただきます。
■注目ポイント
★実験データとシミュレーションデータを統合することで高精度な予測モデルを得られるデータ同化による物質科学への適用について基礎・手法、データ同化を用いたBayes最適化、材料探索とプロセスインフォマティクスの実例を演習を交えて解説！
- 奈良先端科学技術大学院大学 物質創成科学領域 / 准教授 原嶋 庸介 氏
【1名の場合】45,100円(税込、資料作成費用を含む)
2名以上は一人につき、16,500円が加算されます。
定員：30名
※ お申し込み後、受講票と請求書のURLが自動で返信されます。基本的にはこちらで受付完了です。開催前日16：00までに再度最終のご連絡をいたしますので、しばらくお待ちください。請求書と受講票は郵送ではないため必ずダウンロードください。また、同時に送られるWEBセミナー利用規約・マニュアルを必ずご確認ください。
※ セミナー前日夕方16：00までにWEB会議のURL、事前配布資料のパスワードについては、別途メールでご案内いたします。基本的には、事前配布資料はマイページからのダウンロードの流れとなります。なお、事前配布資料については、講師側の作成完了次第のお知らせになりますので、この点、ご理解のほどお願い申し上げます。
※ 請求書の宛名の「株式会社」や「(株)」の「会社名の表記」は、お客様の入力通りになりますので、ご希望の表記で入力をお願いします。
※ お支払いは銀行振込、クレジット決済も可能です。銀行振込でお支払いの場合、開催月の翌月末までにお支払いください。お支払いの際は、社名の前に請求書番号をご入力ください。
※ 領収書のご要望があれば、お申込み時、領収書要にチェックを入れてください。
※ 2名以上でお申し込みをされた場合は、受講票と請求書を代表者様にご連絡します。
※ 当講座では、同一部署の申込者様からのご紹介があれば、何名でもお1人につき16,500円で追加申し込みいただけます (申込者様は正規料金、お2人目以降は16,500円となります)。追加の際は、申し込まれる方が追加の方を取りまとめいただくか、申込時期が異なる場合は紹介者様のお名前を備考欄にお書きくださいますようお願いいたします。
※ なお、ご参加手続きの際、自宅住所やフリーアドレス、個人携帯番号のみで登録された場合は、ご所属確認をさせいただくことがございます。
【本セミナーの主題および状況・本講座の注目ポイント】
■本セミナーの主題および状況（講師より）
★近年、材料開発においてデータ科学の活用が進んでいるが、実際には特定の材料特性に関するデータが十分に得られない場合も多く、限られたデータでの解析手法が求められています。
★データ同化は、少数の実験データとシミュレーションデータを統合することで、高精度な予測モデルの構築を可能にする手法であります。
★物質科学では制御変数が多次元にわたり、欠測データが生じやすいという問題もあります。
→本講演では、これらを考慮した物質科学向けのデータ同化手法について紹介いたします。
■注目ポイント
★講演者が開発している物質科学分野におけるデータ同化手法について解説と演習を交えて紹介！
★実験とシミュレーションの統合によるプロセスインフォマティクスの実例を紹介！
★データ同化を用いたBayes最適化について解説！
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講座になります≫
【時間】 13:00-16:00
【講師】奈良先端科学技術大学院大学 物質創成科学領域 / 准教授 原嶋 庸介 氏
【講演主旨】
本講演では、講演者が開発している物質科学分野におけるデータ同化手法について、解説と演習を交えて紹介するとともに、実験とシミュレーションを融合させた研究事例も紹介する。近年、材料開発においてデータ科学の活用が進んでいるが、実際には特定の材料特性に関するデータが十分に得られない場合も多く、限られたデータでの解析手法が求められている。データ同化は、少数の実験データとシミュレーションデータを統合することで、高精度な予測モデルの構築を可能にする手法である。物質科学では制御変数が多次元にわたり、欠測データが生じやすいという問題もある。本講演では、これらを考慮した物質科学向けのデータ同化手法について紹介する。
【プログラム】
1.物質科学におけるデータ同化手法の基礎
1.1.多変量Gauss分布モデル
1.2.欠測データと直接尤度
2.事例紹介：永久磁石化合物の有限温度磁化予測モデルの構築
3.事例紹介：Perovskite型水分解光触媒化合物のバンドギャップ狭窄化
3.1.Multi-Layer Perceptronによる表現学習を用いた特徴量生成
4.データ同化を用いたBayes最適化
4.1.Bayesの定理と事後分布
4.2.獲得関数
5.光触媒化合物の焼成プロセスインフォマティクス
5.1.SrTiO3の焼成プロセスに関する特徴量生成
5.2.焼成プロセスのDynamic Monte Carloシミュレーション
5.3.実験・シミュレーション・機械学習の統合による触媒活性予測モデル構築
5.4.高い触媒活性が得られる焼成プロセスの導出
6.Google Colaboratoryを用いた演習
6.1.データ同化プログラムCLAUDEのインストール
6.2.入力パラメータの説明
6.3.1次元系でのデモンストレーション
6.4.2次元系でのデモンストレーション
6.5.自由課題
【質疑応答】
【キーワード】
マテリアルズ・インフォマティクス、データ同化、プロセス・インフォマティクス、Bayes最適化
【講演のポイント】
データ同化によりシミュレーションと実験の相乗効果が期待できます。シミュレーションも少し試してみたいと考えておられる実験科学者などにおすすめです。実験とシミュレーションの比較の一歩先の解析が可能になります。
【習得できる知識】
・多制御変数の場合に適用可能なデータ同化手法の基礎と実例・データ同化プログラムCLAUDEの使用方法
・実験とシミュレーションの統合によるプロセスインフォマティクスの実例