イベント名 | 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 |
---|---|
開催期間 |
2024年01月22日(月)
10:30~16:30 ※会社・自宅にいながら受講可能です※ |
会場名 | Live配信セミナー(リアルタイム配信) |
会場の住所 | 東京都 |
お申し込み期限日 | 2024年01月22日(月)10時 |
お申し込み受付人数 | 30 名様 |
お申し込み |
|
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
~データ解析に必要な基礎知識、ソフトウェア、データベース、最新技術~
~限られたデータの壁を乗り越えるための方法~
材料研究において大きな障壁となる「スモールデータ問題」。
そ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について、様々な事例を含め、MIの基礎から解説。
講師 |
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/
趣旨 |
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。
プログラム |
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。
- サイト内検索
- ページカテゴリ一覧
- 新着ページ
-
- 6/27 リチウムイオン電池の リサイクル・リユースの動向と今後の展望 (2024年05月08日)
- 6/25 ミリ波・マイクロ波レーダによる 非接触生体センシング技術 (2024年04月25日)
- 6/25 積層セラミックコンデンサ(MLCC)の 設計、材料技術、開発動向と課題 (2024年04月25日)
- 6/24 <各種事例を交えて解説> 日米欧の規制対応を可能とするための グローバルPV体制構築とベンダーコントロール (2024年04月25日)
- 6/20 架橋剤を使うための総合知識 (2024年04月25日)
- 6/27 シリコンフォトニクス光集積回路技術の 現状と課題およびその進化 (2024年04月25日)
- 6/24 外観検査の自動化の進め方と 画像データ取得およびAIによる検査のポイント (2024年04月25日)
- 6/26 包装・パッケージの 環境対応に向けた技術・市場の最新動向と 「紙化」市場拡大に向けた課題と対策 (2024年04月25日)
- 6/18 機械学習/AIによる特許調査の高度化で実践する スマート特許戦略 (2024年04月24日)
- 6/6 ナノカーボン材料(カーボンナノチューブ・グラフェン)の 分散技術・凝集制御における物理化学の基礎と 分散状態の観察・評価 (2024年04月24日)