製造業や科学技術の分野において、ここ数年でDXの進展やマテリアルズインフォマティクス (MI) の浸透など、AIを含む情報技術の活用がかなり進んできました。しかし、DXによって知見が体系的にデータ化されたが活用の仕方がわからない、MIでいい特性を持つ材料が見つかったが合成できないなど、データからの価値創出までのギャップがある例がまだまだ少なくありません。
　本セミナーでは製造業においてデータを活用し実際にいいものを効率よく作るための技術「プロセスインフォマティクス」を解説します。特に、データの取得コストが高い場合に有効な適応的実験計画法としてベイズ最適化について基礎から実践的な活用方法まで重点的に解説します。

1. プロセスインフォマティクスの概要
   1. プロセスインフォマティクスにおける「モデリング」と「最適化」
      1. 機械学習を用いたプロセスモデリング
      2. プロセスモデルを用いた逆設計 (実験条件最適化)
   2. プロセスインフォマティクスにおけるベイズ最適化
      1. プロセス最適化のアプローチ方法
      2. どの最適化手法を選べばよいか?
2. ベイズ最適化の基礎
   1. ベイズ最適化による適応的実験計画
   2. ベイズ最適化における「モデリング」
      1. 予測の不確実性のモデリング
      2. ガウス過程回帰の仕組み
         • カーネルによるモデリングと確率分布の取り扱い
   3. ベイズ最適化における「最適化」
      1. 獲得関数に基づく実験条件提案
      2. 最適化/実験・データ取得サイクルの構築
3. ベイズ最適化の実践
   1. より実践的なベイズ最適化
      1. 多目的ベイズ最適化 (目的関数が複数ある場合)
      2. バッチベイズ最適化 (一度に複数点の実験ができる場合)
   2. ベイズ最適化によるプロセス最適化事例と成功のキーポイント
      1. 事例1 : 半導体製造における成膜プロセスの最適化
      2. 事例2 : 半導体製造におけるエッチングプロセスの最適化
      3. 成功の鍵 : 専門家の知見との融合
4. まとめ