第1章 マテリアルズ・インフォマティクスが研究開発へもたらす可能性と課題

第1節 マテリアルズ・インフォマティクスとは何か

• 1.機械学習
• 2.Bayes推定
• 3.少ないあるいはまばらなデータへの対応
  • 3.1 転移学習
  • 3.2 生成モデルによるデータそのものの生成
• 4.データから直接に得られる特徴量の利用
  • 4.1 推薦システムによる安定化合物の予測
  • 4.2 言語処理における分散表現を転用した元素の特徴抽出
• 5.我が国におけるマテリアルズ・インフォマティクス関連の活動の概観

第2節 マテリアルズ・インフォマティクスの国内外の動向

• 1.無機材料
• 2.有機材料
• 3.構造
• 4.計測
• 5.まとめと今後の展望

第3節 マテリアルズ・インフォマティクスが変える材料開発と今後の課題

• 1.マテリアルズ・インフォマティクスとは
  • 1.1 データ科学時代の到来
  • 1.2 MI登場の背景
  • 1.3 MIとは
  • 1.4 MIのこれまで
• 2.MIの現状と課題、そして今後
  • 2.1 MIの構成要素とその課題
    • 2.1.1 コンピュータ
    • 2.1.2 データ
    • 2.1.3 解析技術
    • 2.1.4 人材
  • 2.2 材料開発の今後
    • 2.2.1 想定されるシナリオ
    • 2.2.2 MIへの期待

第2章 マテリアルズ・インフォマティクスに使用されるデータベースの特徴・処理技術

第1節 各国における材料データベースの整備状況とマテリアルズ・インフォマティクスの活用事例

• 1.各国での取り組み
• 2.日本での取り組み
• 3.材料データベースの構築状況
• 4.MI適用事例と普及への課題

第2節 マテリアルズインフォマティクスを支えるデータベースとデータ戦略

• 1.材料データハンドブック
• 2.材料データベース
• 3.データベースからビッグデータへ
  • 3.1 高速なデータ生成と収集
  • 3.2 材料データベースの統合利用
  • 3.3 データ信頼性
• 4.マテリアルズインフォマティクスにおけるスモールデータ戦略
  • 4.1 データの相関性を利用
  • 4.2 理論や経験に基づいて記述子を選択
• 5.まとめ

第3章 マテリアルズ・インフォマティクスを 支えるデータ処理技術

第1節 マテリアルズ・インフォマティクスに使用される計算科学と材料設計

• 1.材料データベースと第一原理計算
• 2.第一原理計算の基礎
• 3.第一原理計算手法の研究展開
• 4.第一原理計算によるマクロな物理量の計算

第2節 第一原理計算アプリケーションの利用について

• 1.第一原理計算アプリケーションの分類と特徴
  • 1.1 密度汎関数法について
  • 1.2 方程式を解くための基底
  • 1.3 原子の内殻電子の扱い方
  • 1.4 交換相関エネルギー汎関数
• 2.第一原理計算アプリケーションの紹介
  • 2.1 Quantum ESPRESSOの紹介
  • 2.2 xTAPPの紹介
• 3.第一原理計算に役立つツールの紹介
  • 3.1 物質科学シミュレーションのポータルサイトMateriApps
  • 3.2 物質科学アプリケーションが
    プリインストールされているLinux環境MateriApps LIVE
  • 3.3 NIMS 物質・材料データベース MatNavi
  • 3.4 GUIによる入力ファイル作成支援ツールC-Tools
• 4.第一原理計算アプリケーションの利用環境と利用支援
  • 4.1 第一原理計算アプリケーションの利用環境
  • 4.2 開発グループ、関連アプリケーションによる利用支援
  • 4.3 RISTによる利用支援
  • 4.4 RISTによるアプリケーションソフトウェア利用環境整備
• 5.第一原理計算アプリケーションの開発戦略

第3節 第一原理計算とベイズ統計に基づく新規物質探索

• 1.コンピュータによる物質設計
• 2.データ生成エンジンとしての第一原理計算概略
• 3.ベイズ統計に基づく化合物探索
• 4.まとめと今後の展望

第4章 マテリアルズ・インフォマティクスによる無機材料の新材料開発

第1節 材料組織の類似性の評価

• 1.緒言
• 2.画像の類似性評価
  • 2.1 正規化相互相関係数
  • 2.2 相互情報量
  • 2.3 混合正規分布を想定した尤度解析
  • 2.4 自動特徴量抽出
  • 2.5 組織特徴量の主成分分析
  • 2.6 自己組織化マップ
  • 2.7 ディープラーニングによる組織識別
• 3.実際の組織画像の類似性の評価

第2節 Explainable AI による材料開発

• 1.Explainable AI
• 2.スピン熱電材料
• 3.マテリアルズ・インフォマティクスによる
  スピン熱電材料開発
  • 3.1 1st ステップ : 材料ビッグデータの作成/収集
  • 3.2 2nd ステップ : データの前処理
  • 3.3 3nd ステップ : Explainable AIによる有望な記述子の作成/発見
  • 3.4 4th ステップ : 記述子による材料スクリーニング
  • 3.5 5th ステップ : 材料合成

第3節 マテリアルズ・インフォマティクスを活用した高信頼性材料の開発事例

• 1.網羅的シミュレーション評価による最適材料の設計
  • 1.1 金属同士の界面密着強度を最大化する設計
  • 1.2 金属表面の粒界溝形成を防止する添加元素の選定
• 2.直交表による最適材料の高効率設計
• 3.応答曲面法による関数化を活用した最適材料設計
  • 3.1 樹脂と金属の界面密着強度を最大化する設計
  • 3.2 金属材料の粒界破断を防止する添加元素の選定

第4節 局所エネルギー・局所応力第一原理計算法開発と金属粒界への適用

• 1.局所エネルギー・局所応力計算法
• 2.金属粒界への適用
  • 2.1 アルミと銅の結晶粒界
  • 2.2 鉄の結晶粒界
  • 2.3 鉄粒界へのSi偏析
• 3.機械学習による粒界エネルギー予測
• 4.今後の課題

第5節 低熱伝導率Si/Ge積層構造の設計

• 1.計算方法
  • 1.1 古典分子動力学法
  • 1.2 摂動分子動力学法による熱伝導率の計算
  • 1.3 フォノン振動モード解析
• 2.結果
  • 2.1 記述子の設計
  • 2.2 記述子を用いた低熱伝導率構造の探索
  • 2.3 SiGe混晶との比較

第6節 熱電変換材料開発のため マテリアルズ・インフォマティクス

• 1.熱電材料開発の基礎知識
  • 1.1 熱電材料とは
  • 1.2 熱電材料の母物質
  • 1.3 熱電材料の発電効率の指標
• 2.世界の熱電材料MIの事例
  • 2.1 AFLOWLIB
  • 2.2 TE Design Lab
  • 2.3 Citrine Materials Recommendation Engine
• 3.MI利用に向けた大規模実験データの収集
  • 3.1 論文データ収集の自動化の難しさ
  • 3.2 論文からの大規模実験データ収集のための
    Webシステムの開発
  • 3.3 Starrydataを利用した論文からの大規模実験データ収集のワークフロー
  • 3.4 大規模実験データの応用方法の展望

第7節 シミュレーテッド・アニーリング法による熱電材料の物性予測

• 1.推定の理論
  • 1.1 forward estimation
  • 1.2 backward estimation
• 2.フレドホルムの第一種積分方程式に対する逆推定
  • 2.1 フレドホルムの第一種積分方程式と熱電物性
  • 2.2 離散化とシミュレーテッドアニーリングによる推定
  • 2.3 シミュレーテッドアニーリングを用いて
    フレドホルムの第一種積分方程式を解くこと
• 3.シミュレーテッドアニーリングを用いた熱電物性の解析

第8節 コンビナトリアルスパッタをつかった伝熱制御・熱電材料の開発

• 1.コンビナトリアルスパッタコーティングシステム
  • 1.1 薄膜作製モード
  • 1.2 物質探索モード
  • 1.3 物質探索モード
• 2. 伝熱制御材料開発への応用
  • 2.1 超格子材料界面を利用したSi/Geの熱伝導率制御
  • 2.2 ナノ構造を利用した断熱材料の創製
• 3.熱電材料開発への応用
  • 3.1 BiTe系薄膜材料への適用例
  • 3.2 熱電材料のコンビナトリアル探索

第9節 計算科学と熱物性データベースを活用した高密度蓄熱材の探索

• 1.蓄熱現象と計算科学による
  蓄熱過程の分子シミュレーション
• 2.潜熱蓄熱材の計算科学
  • 2.1 候補物質の予備調査
  • 2.2 天然化合物の分子シミュレーション解析
  • 2.3 人工化合物の分子シミュレーション解析と機能予測
• 3.熱物性データベースの整備と化学蓄熱材探索への展望
  • 3.1 潜熱蓄熱に関するデータセット
  • 3.2 化学蓄熱に関するデータセット

第10節 進化的アルゴリズムを活用したマテリアルズ・ インフォマティクスと水素系超伝導体探索への応用

• 1.水素化合物における高温超伝導性
• 2.マテリアルズ・インフォマティクスによる新奇超伝導水素化合物の探索
  • 2.1 進化的アルゴリズムによる結晶構造の予測
  • 2.2 データベースの作成
  • 2.3 進化的アルゴリズムによる超伝導性評価関数の作成
  • 2.4 ターゲット物質の選定と第一原理計算による検証

第11節 材料組織変化の実験データを用いた材料パラメータ推定

• 1.PFモデルと組織シミュレーション
• 2.アジョイントモデル
• 3.双子実験によるパラメータ推定
• 4.組織変化の実験データを用いた
  材料パラメータ推定の意義

第12節 半導体シリコン結晶の高品位化に資する第一原理計算

• 1.Si結晶中の点欠陥の形成エネルギーと拡散障壁
• 2.大口径Si結晶の高品位化へ寄与した実例
  • 2.1 Si結晶育成中の点欠陥挙動に与えるドーパントの効果
  • 2.2 Si結晶育成中の点欠陥挙動に与える熱応力の効果

第13節 分子動力学計算と次元削減アルゴリズムによる

炭酸カルシウムのアモルファスと結晶との構造類似度解析

• 1.炭酸カルシウムの結晶形成
• 2.アモルファス状前駆体微粒子構造のMD計算解析
  • 2.1 MD法の概要
  • 2.2 ACCのMD計算方法
  • 2.3 カチオンに対する分布関数によるACC構造の解析結果
    • 2.3.1 純粋ACC
    • 2.3.2 添加物 (Mgイオン、水分子) 存在下でのACC
• 3.DRを利用した構造類似度評価の方法論
  • 3.1 DRの概要
  • 3.2 分布関数形状の多次元データ
  • 3.3 構造類似度の評価結果
    • 3.3.1 純粋ACC
    • 3.3.2 添加物 (Mgイオン、水分子) 存在下でのACC
    • 3.3.3 Srイオン存在下でのACC
    • 3.3.4 水分子の含有率が高い場合のACC
  • 3.4 議論

第14節 第一原理計算を中心とする蛍光体の光スペクトル予測技術

• 1.順問題としての光スペクトルの理論予測
• 2.逆問題的なデータ解析に基づく光スペクトルの予測

第15節 マテリアルズ・インフォマティクスを用いたEu2+賦活無機蛍光体の光学特性の予測

• 1.研究方法
  • 1.1 組成情報からの予測モデル構築手順
  • 1.2 記述子
  • 1.3 記述子の選択アルゴリズム
  • 1.4 予測モデルまとめ
• 2.結果と考察
  • 2.1 発光スペクトルのピーク波長 emtの予測精度の検証
  • 2.2 励起スペクトルのピーク波長 extの予測精度の検証
  • 2.3 記述子の重要度による考察

第16節 分子シミュレーションによる多孔性無機膜の気体透過性評価

• 1.多孔性無機膜
• 2.多孔性無機膜におけるガス透過理論
• 3.分子シミュレーション支援によるガス透過性評価法
  • 3.1 透過モデルとシミュレーションのハイブリッド法
  • 3.2 透過係数の直接計算法-非平衡MD計算-
• 4.多孔性シリカ膜における気体透過シミュレーション 直接法
• 5.多孔性オルガノシリカ膜における気体透過シミュレーション ハイブリッド法

第5章 高分子・ゴム材料、 その他有機材料への取り組み事例

第1節 高分子材料設計へのシミュレーションおよびインフォマティクスの活用

• 1.高分子材料の分子シミュレーション
  • 1.1 高分子の分子シミュレーションの難しさ
  • 1.2 分子シミュレーションによる機能性高分子材料設計の例
    • 1.2.1 高分子電解質膜
    • 1.2.2 海水淡水化用RO膜
    • 1.2.3 抗血栓性ポリマー
  • 1.3 代理指標による材料設計
• 2.代理指標による材料設計
  • 2.1 マテリアルズ・インフォマティクスの急速な広まり
  • 2.2 高分子材料インフォマティクスの課題
    • 2.2.1 高分子MI実現の課題 (1) データ量
    • 2.2.2 高分子MI実現の課題 (2) 記述子
• 3.高分子材料インフォマティクスの実現に向けて
  • 3.1 高分子MI実現の方向性 (1) データ量
  • 3.2 高分子MI実現の方向性 (2) 記述子
  • 3.3 高分子MI実現の方向性 (3) 技術と人材

第2節 マテリアルズ・インフォマティクスを活用した開発ストラテジーの礎

• 1.要件定義とSOW
• 2.開発ストラテジー
• 3.実例紹介
  • 3.1 高速探索システム
  • 3.2 高速かつ省サンプルな実験手法の開発
  • 3.3 ストラテジー運用の効果

第3節 FMO計算によるマルチスケールシミュレーション手法の開発と材料開発への応用

• 1.FMO法
• 2.散逸粒子動力学法と有効パラメータ
• 3.FMO計算に基づく
  粗視化シミュレーションの有効パラメータの算定
• 4.FMO-DPD連携シミュレーションの事例
• 5.FMO計算と機械学習
• 6.今後の方向性

第4節 分子シミュレーションの産業用高分子素材研究への応用

• 1.物質分離膜素材
  • 1.1 ガス分離膜素材
  • 1.2 逆浸透膜素材
• 2.高分子系接着剤素材
  • 2.1 接着に働く界面の分子間相互作用
  • 2.2 接着界面近傍における高分子鎖の挙動

第5節 ゴム材料のマルチスケールシミュレーション

• 1.マルチスケール解析
  • 1.1 マルチスケール解析の必要性
  • 1.2 マルチスケール解析の手法の選択
• 2.全原子分子動力学を用いた
  フィラー・マトリクス界面の物性予測
• 3.大規模有限要素法を用いた充填ゴム粘弾性特性解析

第6節 分子動力学シミュレーションによるネットワークポリマーのゴム弾性

• 1.機械学習とシミュレーション
  • 1.1 機械学習と材料設計
  • 1.2 シミュレーションの活用
• 2.高分子の振る舞い
  • 2.1 流動
    • 2.1.1 ネットワーク構造による固定
    • 2.1.2 長時間領域の力学特性
  • 2.2 ゴム弾性理論
    • 2.2.1 古典モデル
    • 2.2.2 二つのモデル
• 3.シミュレーションによるアプローチ
• 4.ここでの内容
• 5.シミュレーション
• 6.ポテンシャルの設定
• 7.ネットワークモデル
• 8.分子動力学シミュレーション
• 9.結果
  • 9.1 熱平衡構造から
  • 9.2 応力緩和関数G (t) と線形粘弾性スペクトル
    • 9.2.1 応力緩和関数G (t)
  • 9.3 一軸伸長結果
    • 9.3.1 伸長速度依存について
  • 9.4 充分に遅い伸長速度
    • 9.4.1 伸長度小での挙動
    • 9.4.2 エドワード・ビルギスモデル
    • 9.4.3 クーンセグメント数を考慮した四本鎖モデル

第7節 第一原理計算による光学材料の屈折率予測

• 1.第一原理計算による屈折率予測
  • 1.1?交換汎関数における長距離相互作用補正の必要性
  • 1.2 差分評価モデルによる
    ポリマーの繰り返し単位の分極率評価
  • 1.3 ポリマーの屈折率・密度の実験値データ

第8節 計算化学的手法を用いた匂いと分子の相関性

• 1.匂い分子の設計
  • 1.1 匂いの構造活性相関
  • 1.2 匂いの3次元モデル
• 2.匂い分子の柔軟性および構成原子と匂いの関係
  • 2.1 匂い分子の活性コンフォマーと匂いの質
  • 2.2 構成原子と匂いの質
• 3.匂い分子のデータベース作成
  • 3.1 柔軟性が低い匂い分子の
    データベース (DB_odMOL) の作成
• 4.複数の匂い分子の特徴
  • 4.1 複数成分から成る匂いを計算可能な
    成分分子の化学的特徴により記述する試み

第6章 触媒開発への応用事例

第1節 触媒インフォマティクスへの期待と課題

• 1.固体触媒開発研究を取り巻く現状
• 2.触媒イオンフォマティクスの登場
• 3.触媒イオンフォマティクスを構成する重要要素

第2節 固体触媒の開発におけるインフォマティックス手法の適用

• 1.選択性向上のための調製条件の最適化
  • 1.1 背景
  • 1.2 データ
  • 1.3 解析手法
  • 1.4 結果と考察
  • 1.5 結論
• 2.触媒組成と性能への影響の推定
  • 2.1 背景
  • 2.2 データ
  • 2.3 解析手法
  • 2.4 結果と考察
  • 2.5 結論
• 3.触媒中成分の列挙と組成の比較
  • 3.1 背景
  • 3.2 データ
  • 3.3 解析手法
    • 3.3.1 解析上の改良点
    • 3.3.2 解析モデル
  • 3.4 結果と考察
    • 3.4.1 スペクトルの推定
    • 3.4.2 組成の推定
    • 3.4.3 触媒間の組成比較
  • 3.5 結論

第3節 マテリアルズ・インフォマティックスを用いた新材料開発へのアプローチ

• 1.インフォマティックス手法
• 2.主成分分析とクラスタリング
• 3.実験
  • 3.1 酸化物調製
  • 3.2 OSC評価
• 4.結果と考察
  • 4.1 Ce-Zr酸化物への添加物探索
  • 4.2 Ce-Zr-Ca酸化物への添加物探索
  • 4.3 Ce-Zr-Ca-Mn酸化物の組成最適化
  • 4.4 Ce-Ca-Mn酸化物の組成最適化
  • 4.5 CaMnO3への添加物探索

第4節 キャタリストインフォマティクスによる触媒の自動発見への期待

• 1.従来の触媒開発法
• 2.キャタリストインフォマティクス
• 3.触媒化学における情報科学・データ科学的手法の活用
  • 3.1 過去の実験データを活用して構築したAIによる触媒反応の収率予測
  • 3.2 ハイスループット実験とAIを活用した
    触媒反応の収率予測技術

第5節 マテリアルスインフォマティクスを用いた材料開発へのアプローチ

• 1.マテリアルスインフォマティクス概要
  • 1.1 マテリアルスインフォマティクスの背景
  • 1.2 データサイエンスの位置付けから見たマテリアルスインフォマティクス
  • 1.3 マテリアルスインフォマティクスの適用範囲
• 2.スマートマテリアルスインフォマティクスによる検討事例
  • 2.1 Smart Materials Informaticsについて
  • 2.2 予測に必要なデータ数の検討
  • 2.3 データ数に対する予測誤差の関係性
  • 2.4 最低限必要となるデータ数の検討
  • 2.5 SMIの実用性の実証
    • 2.5.1 触媒材料での新素材創出
    • 2.5.2 磁石材料でのプロセス最適化
    • 2.5.3 熱電材料での組成最適化
  • 2.6 SMIまとめ
• 3.マテリアルスインフォマティクスの今後

第7章 リチウム二次電池・太陽電池への応用展開

第1節 第一原理計算と原子レベル構造解析連携によるリチウムイオン電池材料中の界面構造評価

• 1.第一原理計算技術と構造解析技術の発展
• 2.リチウムイオン電池正極材料LiCoO2中の
  粒界構造とその電池特性への影響
• 3.固体電解質材料 (La,Li) TiO3中のドメイン構造と その電池特性への影響
• 4.リチウムイオン電池負極材料グラファイトへのアルカリ金属イオンインターカーレーション

第2節 第一原理分子動力学計算によるリチウムイオン電池界面反応の解析

• 1.リチウムイオン電池内の電極界面での電解液・添加剤反応
• 2.計算手法と計算モデル
  • 2.1 Car-Parrinello法
  • 2.2 Blue-Moon アンサンブル法
  • 2.3 計算モデル
• 3.計算結果
• 4.マテリアルインフォマティクスへの期待

第3節 情報科学と第一原理計算に基づくLiイオン電池用固体電解質の電気化学的安定性およびLiイオン伝導性の評価

• 1.固体電解質の電気化学的安定性の評価
  • 1.1 固体電解質内のLiイオン配列最適化
  • 1.2 固体電解質の電気化学的安定性の評価
  • 1.3 過剰Liに伴う固体電解質の還元分解反応式の予測
• 2.固体電解質のLiイオン伝導性の評価
  • 2.1 無置換固体電解質のLiイオン伝導性
  • 2.2 異種元素置換した固体電解質のLiイオン伝導性
  • 2.3 固体電解質内のLiイオン伝導機構の解析

第4節 高分子フラーレン太陽電池のマテリアルズ・インフォマティクス

• 1.実験データの収集と統計解析
• 2.MIによる高分子構造のスクリーニング

第5節 「京」によるペロブスカイト太陽電池の新材料候補探索

• 1.ペロブスカイト太陽電池
• 2.「京」によるペロブスカイト太陽電池の新材料探索
  • 2.1 太陽電池材料データベースの構築
  • 2.2 マテリアルズ・スクリーニングによる材料探索
  • 2.3 非鉛化ペロブスカイト太陽電池の候補化合物
    • 2.3.1 第14族-第14族ペロブスカイト
    • 2.3.2 第13族-第15族ペロブスカイト
    • 2.3.3 第11族-第11族ペロブスカイト
    • 2.3.4 第9族-第13族ペロブスカイト
    • 2.3.5 第11族-第13族ペロブスカイト
    • 2.3.6 第11族-第15族ペロブスカイト
• 3.今後の展開と展望

第6節 電子状態計算を用いて機能性材料を探索する

電子状態インフォマティクスの開発と応用

• 1.はじめに
• 2.「電子状態インフォマティクス」で
  どのように機能性材料を探索するか?
• 3.「電子状態インフォマティクス」でどのような記述子が必要か?
• 4.「電子状態インフォマティクス」の応用

第8章 合成ルート・プロセス設計のためのデータ駆動型化学

第1節 人工知能を用いた 化学反応の予測と反応条件の最適化

• 1. 量子化学的記述子に基づく反応予測
• 2. 反応条件の最適化

第2節 合成経路設計・プロセス制御のためのケモインフォマティックス

• 1.マテリアルスインフォマティクス概要
• 2.ケモマテリアルスインフォマティクスの計算手法と計算モデル

第9章 計測インフォマティクスのデータベース構築と活用術

第1節 新材料における計測とインフォマティクス

• 1.材料開発における分析技術の役割
  • 1.1 思考 (直感・経験則)
  • 1.2 実験 (合成)
  • 1.3 検証 (シミュレーション)
  • 1.4 新しい材料開発
  • 1.5 スクリーニング技術
• 2.分析技術の課題
  • 2.1 測定データの統合
  • 2.2 測定データの予測
• 3.X線による分析技術の例
  • 3.1 マルチプローブによるデータ集積
    • 3.1.1 透過
    • 3.1.2 吸収
    • 3.1.3 散乱
    • 3.1.4 回折
    • 3.1.5 データの統合
  • 3.2 データの解析技術
    • 3.2.1 スクリーニングへの適用
    • 3.2.2 計測のインフォマティクス
  • 3.3 課題

第2節 マテリアルズ・インフォマティクスを用いた新材料開発へのアプローチ

• 1.化学イメージングデータの特徴
• 2.化学イメージングおよび
  スペクトルデータへの多変量解析の応用
• 3.化学イメージングおよび
  スペクトルデータへの機械学習の応用

第3節 マテリアルズ・インフォマティクスによる分子電気伝導シミュレーション解析

• 1.分子電気伝導に関する透過係数スペクトルの統計解析
  • 1.1 分子架橋系モデルと計算条件
  • 1.2 透過係数スペクトルの重回帰分析
  • 1.3 スペクトルの分類法と情報統計解析
• 2.機械学習による特徴抽出と自動分類による局所状態密度解析

第10章 バイオインフォマティクスと毒性評価

第1節 機械学習に基づく分子の物性のデータ駆動予測とその活用

• 1.分子の物性・活性のデータ駆動型予測
• 2.機械学習のためのデータ収集とクオリティコントロール
• 3.機械学習のための分子の表現
  • 3.1 特徴量・説明変数としての記述子とその要件
  • 3.2 電子状態計算の近似学習のための記述子
  • 3.3 分子グラフを入力とする深層学習による表現学習
• 4.機械学習予測の分子探索での活用
  • 4.1 深層学習による生成と分子設計・逆合成
  • 4.2 “Closing the loop”: 実験・シミュレーションとの統合による自動化探索

第2節 マテリアルズインフォマティクスによる生体材料表面設計

• 1.はじめに (生体材料と情報科学)
• 2.材料を認識するペプチド
• 3.生体分子・細胞の接着を防ぐペプチド分子の単分子膜
• 4.化学構造からの生体分子吸着の予測 (自己組織化単分子膜の例)

第3節 分子動力学シミュレーションによるアミロイド線維の形成と破壊

• 1.アミロイドβフラグメントのオリゴマー形成過程
  • 1.1 クーロンレプリカ置換法
  • 1.2 二量体形成過程
  • 1.3 四量体形成過程
• 2.アミロイド線維の末端構造
  • 2.1 シミュレーション手法
  • 2.2 シミュレーションの結果
• 3.超音波によるアミロイド線維の破壊シミュレーション
  • 3.1 超音波を模した非平衡分子動力学シミュレーション
  • 3.2 超音波によるアミロイド線維の破壊

第4節 薬物動態・毒性予測のためのデータベースと創薬

• 1.薬物動態・毒性予測のためのデータベース
  • 1.1 近年の医薬品研究開発
  • 1.2 薬物動態・毒性予測のためのデータベース
• 2.創薬支援インフォマティクスシステム構築プロジェクト
  • 2.1 プロジェクト概要
  • 2.2 薬物動態及び心毒性データベースとADMET予測
• 3.オールジャパンでの創薬支援の試み
  • 3.1 創薬支援インフォマティクスシステム 構築プロジェクトと企業連携
  • 3.2 LINC (Life Intelligence Consortium)

第5節 インシリコ (In silico) でのケモメトリックス・ 人工知能による化学物質の毒性 (安全性) 評価

• 1.化合物毒性評価の重要性とインシリコ技術適用の広がり
• 2.化合物毒性評価 (予測) の特徴と適用手法
  • 2.1 インシリコによる毒性評価 (予測) を 困難なものとする要因
  • 2.2 創薬や機能性化合物デザインとの違い
  • 2.3 化合物毒性評価へのアプローチ手法
  • 2.4 化合物毒性評価における 多変量解析/パターン認識と人工知能の適用
• 3.計算毒性学と化合物毒性評価への二大基本技術
  • 3.1 計算毒性学とは
  • 3.2 毒性評価へのアプローチ (宝箱型、ノウハウ活用型)
    • 3.2.1 宝箱型 (ケモメトリックス) アプローチ
    • 3.2.2 ノウハウ活用型 (人工知能:ルールベース型) アプローチ
  • 3.3 ケモメトリックスおよび人工知能の特徴
  • 3.4 ケモメトリックスと機械学習型人工知能の融合
    • 3.4.1 ケモメトリックスとニューラルネットワーク
    • 3.4.2 ニューラルネットワークから深層学習による人工知能へのつながり
• 4.適用事例
  • 4.1 ケモメトリックス適用事例 (芳香族アミン化合物の発がん性研究)
  • 4.2 ルールベース型人工知能
  • 4.3 機械学習型人工知能
    • 4.3.1 Tox21での化合物毒性評価
    • 4.3.2 Tox21での深層学習の展開
• 5.ケモメトリックス、人工知能からデータサイエンスの時代へ

第6節 化学構造の機械学習に基づく毒性予測

• 1.定量的構造活性相関解析法
• 2.ディープラーニング
• 3.Deep Snap
  • 3.1 Deep Snapとは
  • 3.2 Deep Snapを用いたディープラーニング予測モデルの構築
  • 3.3 Deep Snapに基づく ミトコンドリア膜電位攪乱化合物予測モデルの構築