【Live配信 or アーカイブ配信】多成分混合物の物性予測と機械学習の活用

＜セミナー　No.606235（Live配信）＞

＜セミナー　No.608281（アーカイブ配信）＞

多成分混合物の物性予測と機械学習の活用

★　限られた実験データからどのように混合物の物性を予測し、材料開発、プロセス設計へ活かすか？

----------------------------------------------------------------------------------
■講師

静岡大学　工学部　化学バイオ工学科　講師　博士（工学）　村上 裕哉 氏

【専門】
化学工学

【略歴】
2018年4月 - 2020年3月 日本学術振興会, 特別研究員 (DC2)
2020年4月 - 2024年3月 東京理科大学, 工学部 工業化学科, 助教
2023年4月 - 2024年3月 東京電機大学, 工学部 , 非常勤講師
2024年4月 - 静岡大学 工学部化学バイオ工学科 講師
現在に至る

■聴講料

１名につき４９,５００円（消費税込/資料付き）

１社２名以上同時申込の場合のみ１名につき４４,０００円（税込）
大学、公的機関、医療機関の方には割引制度があります。詳しくはお問い合わせください。

■セミナーの受講について
・下記リンクから視聴環境を確認の上、お申し込みください。
　→ https://zoom.us/test
・開催数日前または配信開始日までに視聴用のURLとパスワードをメールにてご連絡申し上げます。
　セミナー開催日時またはアーカイブ配信開始日に、視聴サイトにログインしていただきご視聴ください。
・出席確認のため、視聴サイトへのログインの際にお名前、ご所属、メールアドレスをご入力ください。
　ご入力いただいた情報は他の受講者には表示されません。
・開催前日または配信開始日までに、製本したセミナー資料をお申込み時にお知らせいただいた住所へお送りいたします。
　お申込みが直前の場合には、開催日または配信開始日までに資料の到着が間に合わないことがあります。
・本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
・本講座はお申し込みいただいた方のみ受講いただけます。
　複数端末から同時に視聴することや複数人での視聴は禁止いたします。
・アーカイブ配信セミナーの視聴期間は延長しませんので、視聴期間内にご視聴ください。

プログラム　　　　　　　　　　　　　　　　　　　　　

【講座の趣旨】

　多成分混合物の密度、粘度、熱物性、相平衡物性などは、化学プロセス設計、分離操作、材料開発において重要な基礎情報です。近年、これらの物性推算に対して機械学習の活用が進んでいますが、多成分系では成分数、組成、温度、圧力などの条件が複雑に組み合わさるため、十分な実験データを網羅的に取得することは容易ではありません。
本講演では、多成分混合物の物性推算を対象に、機械学習モデルへ混合則、過剰物性、組成依存性、温度依存性、分子構造情報などの物理化学的知見を組み込むことで、限られたデータから高精度かつ安定な推算を実現するための考え方を紹介します。単純なブラックボックス型モデルではなく、理論的制約や事前知識を活用することで、学習効率や外挿性能を向上させる手法について解説します。
　また、一研究室レベルで収集可能な実験データを用いながら、既存の経験式や一般的な回帰モデルを上回る推算精度を達成した事例を紹介します。あわせて、データ削減の考え方、測定データと計算データの組み合わせ方、混合物物性に適した記述子設計、汎用的な実装の基本方針についても述べます。本講演を通じて、多成分混合物の物性推算において機械学習を効果的に活用するための実践的な視点を提供します。

【習得できる知識】

　本講演を通じて、受講者は、多成分混合物の物性推算における機械学習の基本的な考え方を習得できる。具体的には、ニューラルネットワークを中心とした機械学習モデルの基礎、混合物物性データの特徴、組成・温度・分子構造情報を用いた記述子設計、既存の混合則や経験式と機械学習モデルの違いを理解することができる。また、限られた実験データから高精度な推算を行うために、物理化学的知見や理論的制約を機械学習に組み込む考え方を学び、プロセス設計などの実問題において機械学習を適切に活用するための実践的な知識を得ることができる。

１．機械学習とニューラルネットワークの基礎

　1.1　機械学習と従来の回帰モデルの違い
　1.2　ニューラルネットワークの基本構造
　1.3　活性化関数と非線形関係の表現
　1.4　学習パラメータ数、過学習、汎化性能
　1.5　小規模データにおける機械学習活用の課題

２．多成分混合物の物性推算における課題

　2.1　化学プロセス設計における混合物物性の重要性
　2.2　密度、粘度、沸点、相平衡物性などの推算対象
　2.3　成分数、組成、温度に伴うデータ空間の拡大
　2.4　実験データ収集コストとデータ不足の問題
　2.5　既存の経験式・混合則による物性推算の限界

３．理論モデルと機械学習を融合した物性推算

　3.1　ブラックボックス型機械学習の問題点
　3.2　混合則・過剰物性・温度依存性の物理化学的意味
　3.3　勾配制約を組み込んだハイブリッドAI
　3.4　理論的に不自然な推算挙動の抑制
　3.5　非理想混合物への適用例

４．多成分混合物の物性推算モデルの実装と応用

　4.1　Pythonを用いた物性推算モデルの実装方針
　4.2　データセットの作成、前処理、記述子設計
　4.3　学習、検証、テストによる推算性能の評価
　4.4　少量データで高精度化するためのモデル設計

【質疑応答】

セミナーの詳細についてお気軽にお問い合わせください。
「２名以上同時にお申込される場合、２人目以降の方の情報は【弊社への連絡事項がございましたら、こちらにお書きください】欄にご入力をお願いいたします」