技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

マテリアルズ・インフォマティクスに基づくスペクトルデータ解析概要

マテリアルズ・インフォマティクスに基づくスペクトルデータ解析概要

～取得したデータからの情報抽出のための機械学習活用～
オンライン 開催
関連するセミナー・出版物
本セミナーは終了いたしました。
セミナーの再開催を依頼する 関連するセミナー・出版物を探す

概要

本セミナーでは、機械学習で基本的に用いられる「予測」「分類」「分布推定」「ベイズ最適化」技術の背景にある数学を簡単に解説し、「機械学習ポテンシャル」「スペクトル分類」「ピーク推定」等、マテリアルズ・インフォマティクスで用いられる機械学習の基礎とノウハウについて詳解いたします。

開催日

  • 2023年6月12日(月) 13時00分 ～ 17時00分

受講対象者

  • 実際に材料研究・開発に関連した業務で機械学習を利用している方
  • 材料研究・開発に関連した業務で機械学習を利用して課題に直面している方
  • マテリアルズ・インフォマティクスの導入を検討されている方

プログラム

　近年では物質・材料に関するスペクトルデータを大量に取得できる装置環境が整ってきているが、複雑な形状をとるものや、フィッティングにかかる手間などから網羅的に解析を実施することが困難になってきている。
　本セミナーでは、取得したデータからの情報抽出のための機械学習活用について、機械学習の数理的な側面も交えながら基礎的な内容を紹介する。

  1. マテリアルズ・インフォマティクス概要
    1. 機械学習の基礎
    2. 機械学習応用の流れと課題設定の重要性
    3. 代表的な機械学習応用事例の紹介
    4. 物質・材料データの特徴と注意点
    5. 「分かりたい」のか「見つけたい」のか?
    6. 情報科学市民権
    7. 物質科学の立場として忘れてはいけないこと
  2. スペクトルデータの低次元化とクラスター解析
    1. 高次元データとしてのスペクトルと低次元化の重要性
    2. 分類:教師あり学習と教師なし学習
    3. 特徴空間と類似度
    4. 特徴空間の解釈性と表現性
    5. 主成分解析によるスペクトルの低次元化
    6. k-means法によるスペクトルの分類
    7. 階層的クラスタリングによるスペクトルの分類
  3. 予測 (回帰) :予測モデルとモデル選択
    1. 予測・モデル選択の応用例
    2. モデル推定の種類
      • 最尤法
      • MAP推定
      • ベイズ推定
    3. 確率論的にみた回帰と正則化
    4. 非線形モデリングの困難
      1. マルコフ連鎖モンテカルロ法によるパラメータ最適化
      2. 情報量基準によるモデル選択
      3. 解析事例
  4. スペクトル解析のためのEMアルゴリズムによるピーク検知
    1. ピーク検知のための処理フロー
    2. 非線形最小二乗法の困難
    3. 回帰と分布推定の違い
    4. ガウス分布の最尤推定
    5. EMアルゴリズムによる最尤推定
    6. スペクトル解析のための改良EMアルゴリズム
    7. 解析事例
ページのトップヘ

講師

  • 安藤 康伸 氏
    東京科学大学 総合研究院 化学生命科学研究所
    准教授
ページのトップヘ

主催

株式会社 トリケップス
お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 46,000円 (税別) / 50,600円 (税込)
1口
: 56,000円 (税別) / 61,600円 (税込) (3名まで受講可)

ライブ配信セミナーについて

  • 本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
  • お申し込み前に、 視聴環境 と テストミーティングへの参加手順 をご確認いただき、 テストミーティング にて動作確認をお願いいたします。
  • 開催日前に、接続先URL、ミーティングID​、パスワードを別途ご連絡いたします。
  • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  • ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
  • タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
  • ご視聴は、お申込み者様ご自身での視聴のみに限らせていただきます。不特定多数でご覧いただくことはご遠慮下さい。
  • 講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
  • Zoomのグループにパスワードを設定しています。お申込者以外の参加を防ぐため、パスワードを外部に漏洩しないでください。
    万が一、部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。
本セミナーは終了いたしました。
セミナーの再開催を依頼する
ページのトップヘ

これから開催される関連セミナー

開始日時 会場 開催方法
2026/3/23 実測データとデータ解析を統合した化学プロセス設計・最適化 オンライン
2026/3/23 データ同化とベイズ最適化を組み合わせた物質探索手法 オンライン
2026/3/23 ゴム・エラストマー材料の種類・特性と、混合・配合・加工技術 オンライン
2026/3/24 データ同化とベイズ最適化を組み合わせた物質探索手法 オンライン
2026/3/24 マテリアルズインフォマティクスの基礎と活用事例、導入の仕組み化 オンライン
2026/3/25 プラスチック製品の強度・安全率を高めるための設計・成形技術、材料選定 オンライン
2026/3/25 マテリアルズインフォマティクスの基礎と活用事例、導入の仕組み化 オンライン
2026/3/26 適応フィルタを理解する オンライン
2026/3/26 データ駆動型の化学・材料関連研究の最新動向と小規模データの活かし方 オンライン
2026/3/27 マテリアルズインフォマティクスの主幹となる計算科学シミュレーション オンライン
2026/3/30 フィジカルAI時代における知能化センシングの基礎と応用 オンライン
2026/3/31 フィジカルAI時代における知能化センシングの基礎と応用 オンライン
2026/3/31 Pythonで学ぶデータ解析・機械学習を理解するための線形代数入門 オンライン
2026/4/3 生成AIによるマルチモーダルデータからの情報抽出・モデリング オンライン
2026/4/7 マテリアルズインフォマティクスの主幹となる計算科学シミュレーション オンライン
2026/4/9 プラスチックの強度・破壊特性と製品の強度設計および割れトラブル原因究明と対策技術 オンライン
2026/4/10 生成AIの能力を限界まで引き出し実務に活用するプロンプト戦略 オンライン
2026/4/10 データ駆動型の化学・材料関連研究の最新動向と小規模データの活かし方 オンライン
2026/4/13 Excel業務をPythonで置き換えるデータ解析の実践 オンライン
2026/4/13 塗膜の付着性・強度の向上と評価、欠陥対策 東京都 会場
ページのトップヘ

関連する出版物

発行年月
2025/3/31 ベイズ最適化の活用事例
2025/3/31 板ガラスの破壊、強度、強化
2024/10/31 自然言語処理の導入と活用事例
2024/10/31 少ないデータによるAI・機械学習の進め方と精度向上、説明可能なAIの開発
2024/1/12 世界のマテリアルズ・インフォマティクス 最新業界レポート
2023/12/27 実験の自動化・自律化によるR&Dの効率化と運用方法
2023/6/30 生産プロセスにおけるIoT、ローカル5Gの活用
2023/4/28 ケモインフォマティクスにおけるデータ収集の最適化と解析手法
2022/12/31 機械学習・ディープラーニングによる "異常検知" 技術と活用事例集
2021/10/25 AIプロセッサー (CD-ROM版)
2021/10/25 AIプロセッサー
2021/7/30 マテリアルズインフォマティクスのためのデータ作成とその解析、応用事例
2021/7/30 水と機能性ポリマーに関する材料設計、最新応用
2021/6/30 人工知能を用いた五感・認知機能の可視化とメカニズム解明
2021/6/28 AI・MI・計算科学を活用した蓄電池研究開発動向
2020/12/30 実践Rケモ・マテリアル・データサイエンス
2020/8/11 化学・素材業界におけるデジタルトランスフォーメーションの最新調査レポート
2020/8/1 材料およびプロセス開発のためのインフォマティクスの基礎と研究開発最前線
2020/7/31 生体情報センシングと人の状態推定への応用
2020/4/30 生体情報計測による感情の可視化技術
ページのトップヘ