近年「マテリアルズ・インフォマティックス」というキーワードが良く使われていますが、その本質や概念等に関してはよくわからないという方が多いかと思います。マテリアルズ・インフォマティクスは計算化学や実行知能といった一見難しそうな技術の塊のように思われますが、実はそれほど難しいものではありません。
　本講演では機械学習に関する初歩的な知識を紹介し、マテリアルズ・インフォマティクスに対して機械学習をどのように使用していくのかを説明いたします。また実際のデータを使用して、簡単なマテリアルズ・インフォマティクスの考え方を説明いたします。

1. マテリアルズ・インフォマティックスの考え方
   1. インフォマティックスって何?
   2. 色々とあるインフォマティックス
      • バイオインフォマティックス
      • ケモインフォマティックス
      • マテリアルズ・インフォマティクス
2. MIを支える知識
   1. 人工知能と機械学習、深層学習とMIとの関わり
      • 機械学習とは
      • 人工知能、機械学習、ディープラーニングの関係
      • 機械学習方式の違い
      • 機械学習とディープラーニングの応用分野
   2. 知っておくべき機械学習の種類
      • 知っておくべき機械学習の種類:回帰
      • 回帰って何?
      • 説明変数と目的変数
      • 機械学習における回帰の手法
      • 回帰の手法:単回帰と重回帰
      • 回帰の手法:カーネル法
      • 回帰の手法:過学習
      • 回帰の手法:ニューラルネットワーク
      • 知っておくべき機械学習の種類:分類
      • 機械学習における分類の手法
      • 機械学習におけるクラスタリングの手法
      • 機械学習における強化学習の手法
      • 機械学習における深層学習の手法
   3. 第一原理計算
      • 第一原理計算の重要性
      • 第一原理計算って何?
      • 第一原理計算の種類
      • 第一原理計算からわかる事、わからない事
3. マテリアルズ・インフォマティクス入門
   1. Pythonとは
      • プログラムの例
      • Pythonの実行例
      • 例:赤ワインのデータと品質評価結果
      • 準備するデータ (1) 教師データ
      • プログラムの動かし方
   2. 説明変数 (記述子) の重要性
      • 重回帰での解析例
      • ランダムフォレストでの解析例
      • 説明変数の加工
      • 説明変数の削減
   3. ランダムフォレスト解説
   4. その他のアルゴリズム
   5. 遺伝子アルゴリズム
4. マテリアルズ・インフォマティックスの動向
   1. 米国の事例
   2. 欧州の事例
   3. 日本の事例
   4. マテリアルズ・インフォマティックスの現状と成功例
5. マテリアルズ・インフォマティックスの正極材料への活用例
   1. LFPにおける材料設計事例
   2. KRIでの取り組みのご紹介
• 質疑応答