材料分析にあたり、計測データとしてスペクトルが得られる実験手法は、XPS、Raman、FT-IR、STEM-EELS、XRD、と枚挙にいとまがない。マッピング計測やオペランド分析などにより計測データが膨大化する一方、スペクトル解析は前提知識を要し、時間がかかることが多い。労働人口も減少する中で、現状より圧倒的に高効率なデータ解析手法が求められる。近年ではインフォマティクスの知見を導入した分析実験のDX化が提唱されている。
　そこで講演者らは、機械学習を活用して、高速かつ属人性が低いスペクトル自動解析Pythonパッケージ”EM Peaks”の開発を進めている。
　本セミナーでは、この”EM Peaks”を使ったデータ解析のデモンストレーションを通して、スペクトルのピークフィッティング処理などに機械学習を取り入れることの有用性を実感していただき、取り入れ方についても解説する。受講者が各自持っているデータセットへ適用しやすいように、具体的な応用事例も豊富に紹介する。

1. 計測インフォマティクスの基礎
   1. 計測インフォマティクスとは
   2. スペクトルデータの機械学習解析〜実験家の視点から〜
   3. “EMPeaks”について
2. データ解析に必要なアルゴリズムとデータ解析環境
   1. スペクトルデータ解析の現場が抱える課題と理論からの視点
   2. データ分類と低次元化の有用性
   3. 非線形最小二乗法と最尤法
   4. “EMPeaks”のアルゴリズム (EMアルゴリズム)
   5. “EMPeaks”の利用環境 (Python実行環境)
3. スペクトルデータ解析の具体例と実演
   1. XPS
      1. 走査型顕微光電子分光 (SPEM)
      2. EMPeaksを使用したXPSスペクトルの解析実演
   2. Raman
      1. EMPeaksを使用したRamanスペクトルの解析実演
   3. RHEED
      1. RHEED回折パターンの輝度ヒストグラム解析
      2. リアルタイム解析
   4. スペクトルデータのクラスタリング
• 質疑応答