1/22 マテリアルズインフォマティクスの基礎と スモールデータ問題への対処法

大学共同利用機関法人情報・システム研究機構　統計数理研究所　教授　博士(学術)　吉田 亮　氏

専門：機械学習、マテリアルズインフォマティクス
H  P：http://spacier.ism.ac.jp/

 　データ駆動型研究における最も重要な資源はいうまでもなくデータです。しかしながら、材料研究ではデータ駆動型研究に資する十分なデータを利用できないことが多々あります。
　本講義では、限られたデータの壁を乗り越えるためのデータ科学の方法論や実験・シミュレーションデータの統合解析を中心テーマに定め、様々な事例を挙げながら、マテリアルズインフォマティクスの基礎を学びます。

１．はじめに
　1.1 マテリアルズインフォマティクスにおける機械学習の基本：順問題と逆問題
　1.2 材料データベース
　1.3 ソフトウェア
　1.4 スモールデータの壁

２．マテリアルズインフォマティクスにおける機械学習の基礎
　2.1 組成・構造記述子
　2.2 組成・構造から物性を予測する
　2.3 所望の物性を持つ分子を予測する
　2.4 高分子材料への適用例
　2.5 合金系への適用例
　2.6 XenonPyの紹介
 
３．モデルの解釈・説明
　3.1 重要記述子の同定と解釈の難しさ
　3.2 説明可能AI
　3.3 機械学習によるルールの発見
 
４．限られたデータへの対処法
　4.1 転移学習・ドメイン適応・マルチタスク学習
　4.2 スモールデータ問題と関数出力変数の予測
　4.3 ベイズ最適化による適応的実験計画
　4.4 実験・シミュレーション・機械学習の統合解析
　4.5 高分子物性自動計算ソフトウェアRadonPyの紹介

　□質疑応答□

※詳細・お申込みは上記

「お申し込みはこちらから」（遷移先WEBサイト）よりご確認ください。