【講演主旨】

■本セミナーの主題および状況

　プロセスインフォマティクスは、材料の化学反応や物理的変化を適切に制御し、理想的な材料特性を作りこむための技術です。

　製造プロセスは、多くの要因が複雑に関係しあっているため、適切な制御が容易ではありません。従来の管理方法では課題の発生が避けられないことが多く、これを解決するためにインフォマティクス技術の活用が進められています。 データの前処理、可視化がプロセスインフォマティクスを有効に活用するための重要なポイントであり、製造プロセスの最適化の成否を左右します。 

　本講座では、様々なプロセスインフォマティクスの事例を紹介します。

　燃料電池の粉体成膜プロセス、積水化学工業のプロセスの最適化の事例、スペクトルデータ解析の課題に注目した学習活用についてなどを解説します。

講座担当：苅谷樹弘

---

---

---

【プログラム】

1.    背景：材料開発とプロセス開発
2.    プロセスインフォマティクスとは
3.    仮説駆動型開発とデータ駆動型開発
4.    燃料電池触媒層の粉体プロセスの事例
5.    自動化・自律化のコツ
6.    今後の日本のプロセス開発のあり方

【質疑応答】

---

【キーワード】

　プロセス探索，粉体成膜プロセス，燃料電池，ベイズ最適化，AIロボット駆動ものづくり

---

【講演のポイント】

　日本のお家芸である材料プロセスの開発は、日本の勘・コツ・経験・すり合わせが得意な文化にマッチして、成長してきましたが、海外のスピードから抜けるには、日本流のAIロボットの活用方法が必須です。

---

【習得できる知識】

　材料プロセスの探索研究の歴史と現状，生産プロセス開発の考え方

---

---

【講演主旨】

■本セミナーの主題および状況

　プロセスインフォマティクスは、材料の化学反応や物理的変化を適切に制御し、理想的な材料特性を作りこむための技術です。

　製造プロセスは、多くの要因が複雑に関係しあっているため、適切な制御が容易ではありません。従来の管理方法では課題の発生が避けられないことが多く、これを解決するためにインフォマティクス技術の活用が進められています。 データの前処理、可視化がプロセスインフォマティクスを有効に活用するための重要なポイントであり、製造プロセスの最適化の成否を左右します。 

　本講座では、様々なプロセスインフォマティクスの事例を紹介します。

　燃料電池の粉体成膜プロセス、積水化学工業のプロセスの最適化の事例、スペクトルデータ解析の課題に注目した学習活用についてなどを解説します。

講座担当：苅谷樹弘

---

---

---

【プログラム】

１．はじめに
　・当社R&Dの目指す姿
　・素材・材料開発へのインフォマティクス活用とその期待

２．反応制御におけるインフォマティクス活用
　・材料開発における反応プロセス制御の重要性
　・反応プロセス制御の課題とインフォマティクス活用

３．事例から見る反応プロセスへのインフォマティクス活用
　・テーマ概要　複数の反応プロセスからなる原料の品質設計
　・データ可視化の重要性
　・データ解析は反応プロセスのどこまで考慮するか
　・反応プロセスを制御するための特徴量側の工夫
　・おまけ　成果を創出するためのインフォマティクス活用体制の仕組み化

４．実験自動化の現状と期待
　・実験自動化に関する世の中の動向
　・実験自動化に関する当社の取り組み紹介

まとめ

【質疑応答】

---

【キーワード】

　インフォマティクス、プロセスインフォマティクス、機械学習

---

【講演のポイント】

　製造現場で発生した課題に対して、プロセスインフォマティクス（ＰＩ）を活用し、その解決に繋げた実際の事例を通じて、ＰＩを有効に活用するための考え方、準備、実践的な解析の手法について解説します。

---

【習得できる知識】

　・素材開発におけるプロセスインフォマティクス活用における必要な考え方
　・製造プロセスデータ解析における、実践的なアプローチと進め方
　・品質予測精度を高めるための「特徴量設計」の考え方と実践のコツ
　・実験自動化の取り組みに必要な考え方と取り組みの事例

---

---

【講演主旨】

■本セミナーの主題および状況

　プロセスインフォマティクスは、材料の化学反応や物理的変化を適切に制御し、理想的な材料特性を作りこむための技術です。

　製造プロセスは、多くの要因が複雑に関係しあっているため、適切な制御が容易ではありません。従来の管理方法では課題の発生が避けられないことが多く、これを解決するためにインフォマティクス技術の活用が進められています。 データの前処理、可視化がプロセスインフォマティクスを有効に活用するための重要なポイントであり、製造プロセスの最適化の成否を左右します。 

　本講座では、様々なプロセスインフォマティクスの事例を紹介します。

　燃料電池の粉体成膜プロセス、積水化学工業のプロセスの最適化の事例、スペクトルデータ解析の課題に注目した学習活用についてなどを解説します。

講座担当：苅谷樹弘

---

---

---

【プログラム】

1. 材料化学分野におけるデータ活用のこれまで
　1.1 手法の歴史的背景
　1.2 データ活用の近年の動き

2. 異なるデータを束ねるマルチモーダルAI
　2.1 複雑な材料へのAI適用の難しさ
　2.2 深層学習を用いた材料特性予測

3. 人の手を介さず意思決定を行うAI自律自動実験
　3.1 実験の自動化と自律化の違い
　3.2 実験の自律化駆動に向けて

4. これからのAIの活用

【質疑応答】

【キーワード】

深層学習/ディープラーニング、生成AI、マルチモーダルAI、自律実験、実験自動化、マテリアルズ・インフォマティクス、プロセス・インフォマティクス

【講演のポイント】

材料、プロセス、計測データなどの多様な対象に対するインフォマティクスの経験を有し、データサイエンスだけでなく対象の知識をもとにした目的に合わせた手法の使い分けやデザインなどに強みがあります。

【習得できる知識】

・材料分野におけるAI活用のトレンド
・AIを用いた材料やプロセス条件探索の効率化の実践事例

【講演主旨】

■本セミナーの主題および状況

　プロセスインフォマティクスは、材料の化学反応や物理的変化を適切に制御し、理想的な材料特性を作りこむための技術です。

　製造プロセスは、多くの要因が複雑に関係しあっているため、適切な制御が容易ではありません。従来の管理方法では課題の発生が避けられないことが多く、これを解決するためにインフォマティクス技術の活用が進められています。 データの前処理、可視化がプロセスインフォマティクスを有効に活用するための重要なポイントであり、製造プロセスの最適化の成否を左右します。 

　本講座では、様々なプロセスインフォマティクスの事例を紹介します。

　燃料電池の粉体成膜プロセス、積水化学工業のプロセスの最適化の事例、スペクトルデータ解析の課題に注目した学習活用についてなどを解説します。

講座担当：苅谷樹弘

---

---

---

【プログラム】

１．化学プロセスデータに対する学習の基礎

　1）機械学習の基礎
　2）機械学習応用の流れと課題設定の重要性
　3）代表的な機械学習応用事例の紹介
　4）化学プロセスデータの特徴と注意点
　5）情報科学市民権
　6）材料科学の立場として忘れてはいけないこと

２．スペクトルデータの低次元化とクラスター解析

　1）高次元データとしてのスペクトルと低次元化の重要性
　2）分類：教師あり学習と教師なし学習
　3）特徴空間と類似度
　4）特徴空間の解釈性と表現性
　5）主成分解析によるスペクトルの低次元化
　6）k-means法によるスペクトルの分類
　7）階層的クラスタリングによるスペクトルの分類

３．予測（回帰）：予測モデルとモデル選択

　1）予測・モデル選択の応用例
　2）モデル推定の種類（最尤法, MAP推定, ベイズ推定）
　3）確率論的にみた回帰と正則化
　4）非線形モデリングの困難
　　a）マルコフ連鎖モンテカルロ法によるパラメータ最適化
　　b）情報量基準によるモデル選択
　　c）解析事例

４．スペクトル解析のためのEMアルゴリズムによるピーク検知

　1）ピーク検知のための処理フロー
　2）非線形最小二乗法の困難
　3）回帰と分布推定の違い
　4）ガウス分布の最尤推定
　5）EMアルゴリズムによる最尤推定
　6）スペクトル解析のための改良EMアルゴリズム
　7）解析事例

【質疑応答】


【キーワード】

マテリアルズ・インフォマティクス, 化学プロセス, スペクトル解析, 低次元化


【講演のポイント】

化学プロセスデータに対して機械学習をどのように適用したら良いか、また応用する際にどういった点に気をつければ良いか、という点をわかりやすく解説いたします。機械学習に関する事前知識がなくても問題ありません。


【習得できる知識】

・化学プロセスデータの特徴に関する基礎知識
・機械学習によるスペクトルの分類と低次元化に関する基礎と事例
・機械学習による予測モデル作成に関する基礎と事例
・機械学習によるスペクトルの自動解析技術に関する基礎