第1部 マテリアルズインフォマティクスを用いた材料設計、プロセス制御

(2020年11月13日 10:00〜13:40) (途中 昼食休憩を含む)

　データ駆動型化学を実践する上でのデータの見方や取り扱いの考え方を、事例を通して理解することを目的とします。分子設計、材料設計、そしてプロセスの監視と制御までを扱うことで、データ解析が拓く可能性を概観します。

1. インフォマティクスとは何か
   1. インフォマティクスの概要
   2. バイオインフォマティクス
   3. ケモインフォマティクス
   4. マテリアルズインフォマティクス
2. データ解析の基礎
   1. データ解析の基礎
   2. 扱うデータの特性把握
3. インフォマティクスとは
   1. データのモデル化法
   2. モデルの逆解析
4. 分子設計の事例紹介
5. 有機材料の設計 (ポリマーアロイ) の事例紹介
6. 触媒設計の事例紹介
7. (マテリアルズ) インフォマティクスを実践するには何が必要か
   1. データベース
   2. ソフトウエア
   3. 化学・材料とAIの両方の知識と経験?
8. 少ない実験データ・少ない実験回数での目的物性実現の方法
9. ソフトセンサー
10. プロセスインフォマティクス
11. 今後の展望と課題、海外の動向
• 質疑応答

第2部 人工知能を用いた化学反応予測・反応条件最適化・量子化学理論の高度化

(2020年11月13日 13:50〜17:00)

　近年、人工知能 (AI) 技術は、化学分野における実験・理論・計算の様々な領域で活用され始めている。本セミナーでは、化学の諸分野と AI技術の融合研究を実施するための基礎を説明する。またこれらに関する幾つかの具体的な研究事例 (反応予測、実験条件最適化、量子化学理論の高度化) や将来的な展望を述べたい。

1. 人工知能技術の概要
   1. 化学と人工知能技術
   2. 機械学習の概要
   3. 進化的計算の概要
2. 化学における記述子
   1. 構造的特徴を表した記述子
   2. 電子的特徴を表した記述子
3. 機械学習と実験・計算による化学反応予測
   1. 反応予測システムの歴史
   2. 機械学習と電子状態情報を用いた反応予測の研究事例
   3. 均一系触媒における有機化学反応に対する反応予測への適用
   4. 将来展望
4. 機械学習と実験/計算による反応条件最適化
   1. 近年の実験条件最適化研究の動向
   2. 実験条件最適化における研究事例
   3. 溶媒条件最適化における研究事例
   4. 将来展望
5. 機械学習による量子化学理論の高度化
   1. 密度汎関数理論における研究事例
   2. 波動関数理論における研究事例
   3. 将来展望
• 質疑応答