第1部 マテリアルズインフォマティクスによる材料開発とそのプラットフォーム

(2022年5月16日 10:00〜11:30)

　近年の材料開発プロセスでは、過去の実験データやシミュレーションデータを利用し、情報科学の手法と融合させることで、迅速に新素材の開発が可能になってきた。この背景として、機械学習やAIなど情報科学の発達がある。従来の材料開発・製品開発における、実験を繰り返し試行錯誤するプロセスが、これらの情報科学によって効率化され、開発における時間・コストの削減、属人化の解消を実現した。しかしながら、これまでのマテリアルズ・インフォマティクス (MI) は、ある材料に焦点を絞り、ある企業、もしくは研究所内で材料科学とデータ科学の融合によって材料開発から実用化に要する時間・コストを大幅に削減しようとする試みである。そのため、汎用的に使うことができるMIプラットフォームには構築されていない。そこで、弊社では、汎用的に使うことを目指したMIプラットフォームの基盤構築の開発を進めてきた。特に、我々はシミュレーションデータを活用したマテリアルズ・インフォマティクスの構築に取り組んでいる。
　本講では、これらのシミュレーションデータを短期間で生成、蓄積、データベース化、機械学習により物性予測、物質探索、最適化等を行うことができるMIプラットフォームについて事例と合わせて紹介する。

1. MIプラットフォームのシステム
   1. データ分析:Azure Machine Learning (ML)
   2. データベース化:ioChem-BD
   3. データ生成:Exabyte.io,Azure
2. プラットフォームを使用したマテリアルズ・インフォマティクス事例
   1. バンドギャップの予測
   2. 格子熱伝導率の予測
• 質疑応答

第2部 AIによる探索の精度向上のためのデータ収集・解析の進め方

(2022年5月16日 12:10〜13:40)

　本講座では、マテリアルズ・インフォマティクスの基本となるデータ収集・解析の基本的な事柄について解説する。物質データは一般にデータ取得コストが高く、また考慮すべき物性や特徴が多いために「少数・多次元」になりやすい。そのため物質データを活用するための収集法や解析方法には注意を払う必要がある。さらに、多くのデータがなければAIによる探索ができない、という考えからデータ収集が目的になってしまい、実際に活用にまで至らないというケースも多々聞かれる。
　これらの事項について、本講座では講演者の研究経験から念頭に置くべき事項についての解説を概論的に行う。

1. データ収集時に考えなければいけないこと
2. 情報活用の基本フロー
3. 教師なし学習による研究開発のアシスト
4. 物質や実験系に対する数値表現
5. 活用可能なデータ
6. 制御可能な変数と計測可能な変数
7. データ取得コストについて
8. ベイズ最適化
9. 能動学習
10. 機械学習ポテンシャル作成時のデータ取得例
11. 転移学習を念頭に置いたデータ取得
12. 実際の研究開発に活かす際に注意すべきこと
• 質疑応答

第3部 ポリマーの効率設計に向けたマテリアルズインフォマティクスの活用

(2022年5月16日 13:50〜15:20)

　ポリマー系におけるマテリアルズインフォマティクス (MI) の活用事例として、ベイズ最適化による熱可塑ポリマー探索と、熱硬化性フィルムの原料配合の最適化の研究事例を紹介する。量子化学計算と機械学習との比較や、構築した予測モデルの適用限界、実験研究者による樹脂配合設計との比較についても言及する。

1. マテリアルズインフォマティクス (MI) について
   1. はじめに
   2. 材料開発における課題
2. 活用事例1:熱可塑性ポリマーの効率的設計
   1. 予測モデル構築
   2. 機械学習と計算科学との比較
   3. ポリマー物性予測と適用限界
   4. ベイズ最適化による効率的なポリマー設計
3. 活用事例2: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. 原料配合の探索
   3. 熟練研究者と機械学習モデルとの比較
4. まとめ
• 質疑応答

第4部 マテリアルズ・インフォマティクスを活用した技術開発・社内展開

(2022年5月16日 15:30〜17:00)

　材料メーカー特有の課題である煩雑なデータ整形や少数データの取り扱い、逆解析などについての事例を紹介する。また、IT人材が不足する中、どのようにマテリアルズ・インフォマティクスの概念を社内に浸透し、展開していくかが各社共通の課題であると思われるが、具体的な取り組み、方策について見解を述べる。

1. マテリアルズ・インフォマティクス (MI) の社内展開の課題
   1. マテリアルズ・インフォマティクスの社内浸透の試み
   2. マテリアルズ・インフォマティクス人材育成について
   3. データ整形、データベース作成について
   4. 少数データに対する取り組み
2. マテリアルズ・インフォマティクスの解析技術の取り組み
   1. 逆解析
   2. 化学構造発生
   3. 転移 (風) 学習
   4. 特徴量抽出
3. 社内事例紹介
   1. モノマー探索
   2. 複合樹脂設計
   3. 知的財産に関する取扱い
• 質疑応答