第1部 ベイズ最適化による逆推算技術の活用と効率的な組成予測

(2025年1月20日 10:30〜12:00)

　本セミナーでは、組成予測における課題と、その解決策としてのベイズ最適化技術について解説します。外挿の難しさや高次元性といった組成予測の特徴を踏まえ、ベイズ最適化の利点と限界を紹介します。さらに、高次元ベイズ最適化の概念や、アルゴリズム研究と実際の実験との違いについても触れます。実践面では、プログラミングやSaaS、自社開発など、様々な導入方法を提案します。本講演を通じて、ベイズ最適化による効率的な組成予測の可能性と、その実用化への道筋を探ります。

1. 組成予測の特徴
   1. 外挿の難しさ
   2. 高次元性
2. ベイズ最適化の紹介
   1. ベイズ最適化の概要
   2. ベイズ最適化の長所
      1. 予測速度の優位性
      2. 外挿の難しさへの対処
   3. ベイズ最適化の短所
      1. 高次元との相性
3. 事例
4. 高次元ベイズ最適化
   1. 高次元ベイズ最適化の紹介
   2. アルゴリズム研究と実際の実験の違い
5. 実践
   1. プログラミング
   2. SaaS
   3. 自社開発
• 質疑応答

第2部 ベイズ最適化をはじめとした組成・配合最適化による機能性材料探索

(2025年1月20日 13:00〜14:30)

　企業の機能性材料開発において、顧客ニーズに応じた実験条件の最適化は日常的に必要とされている。弊社ではマテリアルズインフォマティクス (MI) に取り組んでおり、その一環でベイズ最適化をはじめとした最適化技術に取り組んできた。
　本講座では、ベイズ最適化をはじめとするポリマー構造の最適化や、網羅探索による熱硬化性フィルムの原料配合最適化による試行回数低減の事例を紹介するとともに、材料設計における最適化のポイントについても言及する。

1. はじめに
   1. レゾナックのAI、MI関連の取組み
   2. 材料開発においてMIが直面しやすい課題
2. ベイズ最適化による熱可塑性ポリマーの効率的設計
   1. 物性予測モデルの構築
   2. ベイズ最適化によるポリマー設計効率化
3. 網羅探索を用いた熱硬化性樹脂フィルムの設計
   1. 原料配合系の予測モデル構築
   2. 機械学習による原料配合探索と実験研究者との試行回数比較
4. まとめ
   1. 材料設計における最適化
   2. まとめ
• 質疑応答

第3部 ベイズ最適化手法を用いた効率的な実験条件探索、開発期間短縮

(2025年1月20日 14:45〜16:15)

　当社では、研究開発領域における価値創造の加速を目指し、研究員の新たな発見を創出するマテリアルズ・インフォマティクス (MI) 技術の獲得と活用展開を進めている。昨年より、ベイズ最適化に研究知見を効果的に組み込んだデータ駆動型の実験計画手法を確立し、複数の製品開発での運用を進めている。
　本講座では、歯磨剤をはじめとした日用品の製品開発を対象に、少量データを起点に開発期間を短縮したベイズ最適化の活用事例を紹介する。加えて、当社MI人材強化の取り組みやMI技術の今後の展望について述べる。

1. MI技術活用の背景
   1. 日用品の製品開発の現状と課題
   2. MI技術活用の期待効果
2. ベイズ最適化を活用した開発期間短縮
   1. ベイズ最適化の基本概要
   2. ベイズ最適化の効果的な活用方法
   3. ベイズ最適化を用いた製品開発事例
3. MI技術活用の習慣化
   1. MI技術活用の浸透施策
   2. MI人材育成の課題
   3. MI人材育成の取り組み事例
4. MI技術活用の今後の展望
• 質疑応答