第1部 化学のための機械学習の基礎・応用方法と活用の進め方

(2020年9月10日 10:30〜14:15) (途中、お昼休憩含む)

　機械学習に馴染みがない化学系の方のためにデータ分析の基礎を説明します。講演前半では機械学習の基礎と化学問題解決のためのプロセスを説明します。後半では、私の経験を中心に、化学への応用事例をこのプロセスに沿って紹介します。

1. 機械学習と化学
2. 機械学習の基礎
   1. 機械学習に関する基礎知識
   2. 機械学習の特徴
   3. 具体的な機械学習アルゴリズム
   4. 実際にプログラムを実行するためのヒント
3. 機械学習を用いた予測のプロセス
   1. 課題設定と現象のモデル化
   2. データの収集と記述子
   3. 機械学習手法の選択と評価
4. 化学に機械学習を適用するために
   1. 化学データの課題
   2. 分子の記述子
   3. 特徴的な機械学習手法
5. 化学への機械学習の応用事例
   1. 反応条件最適化 (少数データへの適用事例)
   2. 溶媒選択 (少数データ・分子選択の適用事例)
   3. 反応予測 (モデル化に関する工夫の事例)
   4. 汎関数の開発 (理論化学への応用事例)
   5. その他の事例
• 質疑応答

第2部 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の構築とデータの収集

(2020年9月10日 14:30〜16:30)

　材料データベースはMIの基盤である。一方、データ不足は、MI研究のボトルネックとなっている。MIにおけるビッグデータの考え方、データベースの構築方法、および既存の材料データと知識の活用方について、いくつの例を通して紹介する。

1. データの力
2. 材料データベースの変遷と世界のデータベース
   1. ハンドブックとデータシート
   2. データベース
   3. ビッグデータ
3. 材料データベース&ビッグデータの構築
   1. データ品質
   2. 材料データ収集技術
   3. 材料データの統合
4. 材料データベース構築例
5. Small data戦略
• 質疑応答