3/17 実験計画法のためのデータ解析・ベイズ最適化の基礎と 材料・プロセス・装置設計への適用・最新事例

明治大学　理工学部　准教授　博士(工学)　金子 弘昌　氏　【ホームページ】

兼任 広島大学 大学院先進理工系科学研究科 客員准教授
兼任 大阪大学 大学院基礎工学研究科 招聘准教授
兼任 理化学研究所 客員主幹研究員
兼任 データケミカル株式会社 最高技術責任者/CTO
兼任 合同会社ミライカガク総研 社長

【専門】
ケモインフォマティクス,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,データサイエンス,化学工学,分子設計,材料設計,プロセス制御,プロセス設計,スペクトル解析,ソフトセンサー

　高機能性材料の開発やコンピュータシミュレーションによる設計などの研究・開発の現場において、効率的にシミュレーション・実験・製造を実施するために実験計画法が活用される。例えば5つの実験パラメータもしくはシミュレーション条件（反応器体積・反応温度・反応時間など）があり、それぞれ 10 の候補の値がある場合、すべての組み合わせは10万通りになってしまう。しかし実験計画法を用いれば、その中の数回のシミュレーション候補・実験候補から実験パラメータと装置の性能・材料の物性・活性との間の関係性を統計的手法によりモデル化することで、所望の装置性能・物性・活性を実現するための候補を効率的に探索できる。このようにシミュレーションデータや実験データを活用することで、効率的な材料設計およびプロセス・装置設計を達成できる。

　本講演では、そのような（適応的）実験計画法や、実験計画法を実現するためのデータ解析理論およびベイズ最適化の基礎を解説する。さらに具体的な材料設計およびプロセス・装置設計の例や最新の研究事例を紹介する。

１．ケモインフォマティクス・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
　1.1 分子設計とは
　1.2 材料設計とは
　1.3 プロセス設計・装置設計とは
　1.4 モデリング
　1.5 モデルの活用した材料設計・プロセス設計・装置設計
 
２．データ解析・実験計画法・ベイズ最適化
　2.1 線形回帰分析
　2.2 非線形回帰分析
　2.3 線形クラス分類
　2.4 非線形クラス分類
　2.5 実験計画法
　2.6 適応的実験計画法
　2.7 ガウス過程による回帰
　2.8 ベイズ最適化
 
３．研究事例・応用事例
　3.1 ベイズ最適化による材料設計・プロセス設計・装置設計
　3.2 材料設計の実例
　3.3 プロセス設計・装置設計の実例
　3.4 Datachemical LAB

　□ 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。