製造業関連情報総合ポータルサイト@engineer
WEB営業力強化支援サービスのご案内
研究・技術・事業開発のためのセミナー/書籍 サイエンス&テクノロジー
イベント

3/26 マテリアルズインフォマティクス(MI)の最新動向と 小規模データ駆動型MIの展開

  • このエントリーをはてなブックマークに追加
  • @engineer記事クリップに登録
ICT・情報処理 樹脂・ゴム・高分子系複合材料  / 2025年03月06日 /  IT・情報通信 先端技術
イベント名 マテリアルズインフォマティクス(MI)の最新動向と 小規模データ駆動型MIの展開
開催期間 2025年03月26日(水) ~ 2025年04月09日(水)
【ライブ配信】 2025年3月26日(水)13:00~16:30
【アーカイブ配信】 2025年4月9日(水)まで受付
(視聴期間:4/9~4/22)
※会社・自宅にいながら受講可能です※
会場名 【Live配信(Zoom使用)受講】もしくは【アーカイブ配信受講】
会場の住所 オンライン
お申し込み期限日 2025年04月09日(水)16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(MI)の最新動向と
小規模データ駆動型MIの展開

~小規模データを活かしたMI研究開発を効率化と実験主導MI~

 

受講可能な形式:【ライブ配信】or【アーカイブ配信】のみ

扱う材料系が多様、データが集まりにくい、データの規模が小さい等、、、、

小規模データを活用したマテリアル関連における研究開発の高効率化
物質探索やプロセス最適化や性能向上のための予測モデル構築

小規模な実験データを活用し、
機械学習と研究者の経験や勘を併用する実験主導MIを具体的な事例をもとに解説

マテリアルズインフォマティクス(MI)の研究開発への取り入れ方と活用方法
 
【得られる知識】
・小規模データへのMIへの適用方法
・研究者/技術者の熟練の知恵と機械学習の融合方法
 
【対象】
・MIの導入に興味があるものの導入の糸口がつかめていない方
・MIを導入してみたものの思ったような活用につながらない方
・グループ内の小規模データではMIの導入は難しいとあきらめていた方
 
 
キーワード:マテリアルズインフォマティクス・スパースモデリング・線形回帰・研究者の経験と考察・実験主導型
  
 講師

 

慶應義塾大学 理工学部 応用化学科 教授 博士(工学) 緒明 佑哉 氏
【講師紹介】

 

 セミナー趣旨

 

 「マテリアルズインフォマティクス(MI)」は、材料に関する研究開発を効率的に進めるための新しい手法として注目を集めている。しかし、実際にMIをどのように自社・グループの研究開発に取り入れられるか、その糸口がつかめないことも少なくない。特に実験を主体とする研究では、扱う材料系が多様なことや、データの規模が小さいなどの問題点がある。


 本セミナーでは、まず、MIの最近の動向について概説する。続いて、我々のグループ内で開発してきた、小規模な実験や文献データを活用し機械学習と研究者の経験や勘を併用する実験主導MIを、具体的な事例をもとに紹介する。具体的には、ナノシート材料の合成プロセスの制御やリチウムイオン二次電池の有機活物質の探索をもとにご紹介する。これにより、現場やラボレベルでの小規模データを活かしたMIにより、研究開発を効率化させることを目指す。

 

 セミナー講演内容

 

1.マテリアルズインフォマティクス(MI)の最新動向
 1.1 一般的なMIへの期待
 1.2 MIでできることとできないこと
 1.3 MIの歴史と最近の動向
  a)オートメーションとの融合
  b)機械学習の深化
 1.4 MIに関する最近の課題
 1.5 小規模データに適用可能なMI

2.MIを活用したプロセス最適化事例:ナノシート材料合成の制御
 2.1 MIを導入した系の紹介
  a)2次元材料
  b)なぜMIが必要なのか
 2.2 データセットの準備
  a)ハイスループットな目的変数の設定
  b)説明変数の設定
  c)研究者の関与
 2.3 機械学習と考察の融合による記述子抽出
  a)スパースモデリング
  b)全状態探索
  c)研究者の関与
 2.4 予測モデル構築
 2.5 予測モデルを活用した最少実験数での実験例
 2.6 他の機械学習手法に対する優位性検証
 2.7 適用範囲の拡張に関する検討と予測モデル改良
 2.8 サイズ制御への応用
 2.9 サイズ分布制御への応用

3.MIを活用した物質探索事例:新規リチウムイオン二次電池有機電極活物質の性能予測と探索
 3.1 MIを導入した系の紹介
  a)リチウムイオン二次電池有機正極・負極活物質
  b)なぜMIが必要なのか
 3.2 データセットの準備
  a)自前実験データを扱う場合
  b)文献データをを扱う場合
 3.3 機械学習と考察の融合による記述子抽出
 3.4 予測モデル構築
 3.5 予測モデルを活用した最少実験数での実験例
 3.6 先行研究との比較
 3.7 他の機械学習手法に対する優位性検証

4.小規模・実験データへのMIの適用
 4.1 ツールとしてのMIを活用する時代へ
 4.2 明日からできるデータセットの準備
 4.3 明日からできる機械学習と経験・勘・考察の融合

5.おわりに

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
月別ページ