【Live配信 or アーカイブ配信】研究開発部門における実験データの収集　超入門

＜セミナー　No.611232（Live配信）＞

＜セミナー　No.611283（アーカイブ配信）＞

研究開発部門における

実験データの収集　超入門

★　多種多様な実験データを、『収集』 『加工』 『蓄積』するポイントを詳解！
★　MI・機械学習につながるデータ基盤のつくり方を学ぶ！

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

クオンティニュアム(株)　テクニカル・アカウント・エグゼクティブ　博士（理学）　石崎 貴志 氏

【略歴】
2005年 東京理科大学大学院 理工学研究科 応用生物科学専攻 博士課程終了 博士（理学）
2005年 味の素株式会社 入社
2008年 アクセルリス/Accelrys入社（2014年ダッソー・システムズによる買収後BIOVIAとして活動）
2021年 シュレーディンガー/Schrödinger入社
2025年 クオンティニュアム/Quantinuum入社

■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】

　材料研究では、実験で得られたデータが再利用可能な形で記録されることは少なく、多くの場合、担当者個人のメモとして残されるにとどまっています。その背景には、プロジェクトごとに対象とする材料の種類や特性が異なることに加え、部署ごとに扱う材料も異なるため、データを共有・蓄積する意義を見いだしにくいという実情があります。
　一方、データ活用を中核とするマテリアルズ・インフォマティクス（MI）では、実験条件や評価結果などのデータを機械学習によってモデル化し、新たに設計する材料の特性を予測することで、材料研究の効率化・高度化を目指します。そのためには、担当者や部署ごとに異なる形式で記録されたデータを、全社で活用可能な標準化データとして蓄積するとともに、機械学習などの計算手法を個々のツールに依存することなく、共通基盤上で利用できる環境を整備することが重要です。
　本講演では、材料研究におけるデータ活用の課題を整理した上で、製薬研究で利用されている化合物登録システムや電子実験ノート（ELN）を紹介します。また、LLMを活用した自社システムの開発事例や、商用パッケージソフトウェアを活用したインフォマティクス基盤の構築について紹介します。

【習得できる知識】

・マテリアルズ・インフォマティクス（MI）の基礎知識
・機械学習（ML）に活用できる実験データの記録・管理手法
・電子実験ノート（ELN）の基礎知識
・ＬＬＭを活用した自社専用ＭＩ基盤の開発事例

１．マテリアルズ・インフォマティクスの現在地

　1.1　MI向けソフトウェアの歴史と現在
　1.2　企業研究における一般的なMIの課題
　1.3　データ駆動型研究への転換

２．データ基盤の構築

　2.1　材料登録システム
　2.2　アッセイデータ登録システム
　2.3　電子実験ノート（ELN）
　2.4　ETL（データの収集・加工・蓄積）
　2.5　データ参照システム
　2.6　アイデア・着想の記録

３．データの解析と活用

　3.1　一般的なデータ（数字、文字、画像、時系列データなど）
　3.2　有機材料
　3.3　無機材料
　3.4　Pythonによるデータ処理
　3.5　機械学習・計算基盤

４．MI基盤の構築と導入戦略

　4.1　商用パッケージと自社開発
　4.2　製薬研究で利用されるソフトウェア
　4.3　ソフトウェアベンダーの動向
　4.4　LLMを活用した自社MI基盤の開発事例

【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」