技術セミナー・研修・出版・書籍・通信教育・eラーニング・講師派遣の テックセミナー ジェーピー

DX導入による実験の効率化と実験自動化・自律化への応用

DX導入による実験の効率化と実験自動化・自律化への応用

オンライン 開催

概要

本セミナーでは、機械学習を用いた実験工程効率化の方法、全自動・遠隔操作で研究を進められる体制の構築について詳解いたします。

開催日

  • 2022年6月10日(金) 10時00分 17時15分

プログラム

第1部 ベイズ最適化を用いた実験工程の効率化

(2022年6月10日 10:00〜11:30)

 製造業や創薬などの様々な実応用において、実験工程 (計画) を効率化することは重要な課題である。近年、機械学習 (しばしばAIとも呼ばれる) を用いた実験工程の効率化に関する研究が盛んに行われている。
 本講演では、ベイズ最適化と呼ばれる機械学習アルゴリズムを用いて、最適な実験条件を効率的に探索するための方法について紹介します。特に、実験条件がすべて制御できる場合と、一部の条件が制御できない場合のそれぞれにおいて、実応用上重要となる最大化問題と領域推定問題の2つに焦点を当てながら解説いたします。

  1. はじめに
    1. ブラックボックス関数について
    2. ベイズ推測に基づいた実験条件の最適化 (ベイズ最適化) に関して
  2. ベイズ線形モデルとガウス過程回帰モデル
    1. ベイズ線形モデル
    2. ガウス過程回帰モデル
  3. ガウス過程回帰モデルを用いたベイズ最適化
    1. 実験条件のすべてが制御可能変数である場合
      1. 最大化問題に関するベイズ最適化
      2. 領域推定に関するベイズ最適化
    2. 実験条件の一部に制御不能変数がある場合
      1. 制御可能変数に対する最大化問題に関するベイズ最適化
      2. 制御可能変数に対する領域推定に関するベイズ最適化
  4. 関連する話題についての紹介
    1. 複数のブラックボックス関数を扱う場合 (多目的ベイズ最適化)
    2. 実験条件 (入力変数) が非常に多い場合 (高次元ベイズ最適化)
    3. 一度に複数の実験条件で実験を行う場合 (バッチベイズ最適化)
    4. 別に行った実験結果の情報を流用する場合 (マルチタスクベイズ最適化)
    5. 制御不能変数に対する情報が不足している場合 (分布的ロバストなベイズ最適化)
    6. 様々な実応用例に関して
  5. まとめ
    • 質疑応答

第2部 DX導入によるバイオ実験の効率化と自律型実験システム構築への展開

(2022年6月10日 12:15〜13:45)

 持続可能な社会・経済の実現に向けて、多様な物質をバイオテクノロジーで製造するプロセスの開発が期待されている。発酵生産はその中核を成すことから、目的物質を高生産できる微生物株の創出が世界的に進められ、競争領域となっている。演者らは、目的物質を最大収率で生産可能な代謝経路を計算科学的手法により設計した後に、先端的な遺伝子工学によりその設計を具現化することを目指し、こうして得られる微生物株「スマートセル」を構築するための「スマートセル創出プラットフォーム」を開発してきた。代謝設計には信頼性の高いデータの収集が不可欠であり、データ収集に資するWet技術の存在意義は極めて高く、そのためのオートメーションシステムの開発に取り組んできた。
 本講演では、高精度のデータ収集用システムの概要を中心に、データドリブンの微生物株高速育種を実現するスマートセル創出プラットフォームを紹介する。

  1. バイオエコノミーの興隆について
  2. バイオエコノミー形成の技術的背景
  3. バイオDX型研究プラットフォームの概要
  4. バイオDX型研究プラットフォームを構成する要素技術について
  5. DBTLワークフローによる有用物質生産微生物株開発の実例
  6. 将来展望
    • 質疑応答

第3部 DX (デジタル技術) の導入による実験の効率化と自動実験化・自律化への展望

(2022年6月10日 14:00〜15:30)

 研究開発の推進においてDXを導入することは必須となってきている。特に実験の自動化によりデータの収集速度を如何に加速化・効率化するかという視点と、その実験から得られたデータをどう活かすかという視点は、これからの研究開発において避けられない課題である。化学業界においてもその動きは例外ではなく、各社が競って推進している状況である。
 そこで、本セミナーでは、これからの展望について話をすると共に、導入における問題点やこの2年間のCovid-19の影響について述べる。

  1. これまでのDXの流れ
  2. 化学業界におけるDX導入の状況
  3. 自動実験とは?
  4. 導入における問題点
  5. Covid-19の影響
  6. 今後の展望について
    • 質疑応答

第4部 DXで活躍するベイズ最適化手法と応用例紹介

~ 材料物性の向上・予測精度の向上を実現する実験計画 ~

(2022年6月10日 15:45〜17:15)

 ベイズ最適化は、機械学習による予測を利用することでできるだけ少ない試行回数でよりよい条件を探索することができる情報科学手法を利用した実験計画法である。
 本講演では、ベイズ最適化を実行できるパッケージCOMBOおよびPHYSBOの紹介と、実験系にベイズ最適化を適用した例として、超合金粉末製造条件の最適化研究およびリチウムイオン伝導度の最適化研究を紹介する。さらに、ベイズ最適化の応用例として、材料物性の予測精度を向上させるために、次に行う実験を提案するAI手法についても紹介する。

  1. ベイズ最適化とは
  2. ベイズ最適化パッケージCOMBO&PHYSBOの紹介
  3. PHYSBOのインストールおよび使い方
  4. ベイズ最適化によるプロセス最適化
  5. ベイズ最適化による組成最適化
  6. ベイズ最適化を用いた材料物性の予測精度を高めるためのAI手法
    • 質疑応答

講師

  • 稲津 佑
    名古屋工業大学 情報工学教育類 知能情報分野
    助教
  • 蓮沼 誠久
    神戸大学 先端バイオ工学研究センター
    教授
  • 宗像 基浩
    三菱ケミカル株式会社 R&D変革本部 大阪研究所
    所長
  • 田村 亮
    物質・材料研究機構
    主任研究員

主催

お支払い方法、キャンセルの可否は、必ずお申し込み前にご確認をお願いいたします。

お問い合わせ

本セミナーに関するお問い合わせは tech-seminar.jpのお問い合わせからお願いいたします。
(主催者への直接のお問い合わせはご遠慮くださいませ。)

受講料

1名様
: 60,000円 (税別) / 66,000円 (税込)
複数名
: 55,000円 (税別) / 60,500円 (税込)

複数名同時受講割引について

  • 2名様以上でお申込みの場合、1名あたり 55,000円(税別) / 60,500円(税込) で受講いただけます。
    • 1名様でお申し込みの場合 : 1名で 60,000円(税別) / 66,000円(税込)
    • 2名様でお申し込みの場合 : 2名で 110,000円(税別) / 121,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 165,000円(税別) / 181,500円(税込)
  • 同一法人内による複数名同時申込みのみ適用いたします。
  • 受講券、請求書は、代表者にご郵送いたします。
  • 他の割引は併用できません。

アカデミック割引

  • 1名様あたり 30,000円(税別) / 33,000円(税込)

日本国内に所在しており、以下に該当する方は、アカデミック割引が適用いただけます。

  • 学校教育法にて規定された国、地方公共団体、および学校法人格を有する大学、大学院、短期大学、附属病院、高等専門学校および各種学校の教員、生徒
  • 病院などの医療機関・医療関連機関に勤務する医療従事者
  • 文部科学省、経済産業省が設置した独立行政法人に勤務する研究者。理化学研究所、産業技術総合研究所など
  • 公設試験研究機関。地方公共団体に置かれる試験所、研究センター、技術センターなどの機関で、試験研究および企業支援に関する業務に従事する方

ライブ配信セミナーについて

  • 本セミナーは「Zoom」を使ったライブ配信セミナーとなります。
  • お申し込み前に、 視聴環境テストミーティングへの参加手順 をご確認いただき、 テストミーティング にて動作確認をお願いいたします。
  • 開催日前に、接続先URL、ミーティングID​、パスワードを別途ご連絡いたします。
  • セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
  • ご自宅への書類送付を希望の方は、通信欄にご住所・宛先などをご記入ください。
  • タブレットやスマートフォンでも受講可能ですが、機能が制限される場合があります。
  • ご視聴は、お申込み者様ご自身での視聴のみに限らせていただきます。不特定多数でご覧いただくことはご遠慮下さい。
  • 講義の録音、録画などの行為や、権利者の許可なくテキスト資料、講演データの複製、転用、販売などの二次利用することを固く禁じます。
  • Zoomのグループにパスワードを設定しています。お申込者以外の参加を防ぐため、パスワードを外部に漏洩しないでください。
    万が一、部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。
本セミナーは終了いたしました。

これから開催される関連セミナー

開始日時 会場 開催方法
2024/4/3 自社の長期的・持続的成長のための自社保有技術の棚卸と未来志向でのコア技術の設定 オンライン
2024/4/5 研究開発テーマにおける費用対効果の基礎と算出・評価方法 オンライン
2024/4/5 リアルワールドデータ (RWD) と分散型臨床試験 (DCT) /デジタルバイオマーカー (dBM) の活用・事例 オンライン
2024/4/9 技術マーケティングによるR&Dテーマの設定 東京都 会場
2024/4/9 異物不良ゼロを実現する異物の正体 / 34の発生源 / 7つの伝達経路と現場の経験則 オンライン
2024/4/10 研究開発マネジメントと未来洞察を活用した新規事業テーマ創造 オンライン
2024/4/10 R&D技術者のための技術ベンチマーキング実践セミナー オンライン
2024/4/11 材料開発効率化への生成AI・ChatGPT導入と活用 オンライン
2024/4/11 パテントマップの作成と研究開発テーマの発掘、アイデア創出への活用 オンライン
2024/4/11 不良ゼロへのアプローチ オンライン
2024/4/12 研究開発・技術部門が行う情報収集とそのセオリー、ノウハウ オンライン
2024/4/15 オープンイノベーションによる新事業創出と事業化への仕組み作り オンライン
2024/4/16 後発で勝つための市場分析と経営層への説明・説得の仕方 オンライン
2024/4/16 市場・製品・技術ロードマップの作成プロセスとその活動の全体体系 オンライン
2024/4/16 研究開発テーマにおける費用対効果の基礎と算出・評価方法 オンライン
2024/4/18 開発者が主導する「事業につながる開発テーマ」創出法 東京都 会場
2024/4/19 ラボでの電子実験ノート管理・運用における経験からわかった電子情報管理の問題点・解決とDXの進め方 オンライン
2024/4/19 中長期研究開発テーマの発掘と推進のポイント オンライン
2024/4/19 一番金がかからない設計部門のDX成功方法 会場
2024/4/19 自然言語処理の基礎と生成AI・大規模言語モデルの研究開発への活用 オンライン

関連する出版物

発行年月
2024/1/12 世界のマテリアルズ・インフォマティクス 最新業界レポート
2023/12/27 実験の自動化・自律化によるR&Dの効率化と運用方法
2023/10/31 出口戦略に基づく研究開発テーマの設定と事業化への繋げ方
2023/4/28 ケモインフォマティクスにおけるデータ収集の最適化と解析手法
2022/8/31 研究開発部門と他部門の壁の壊し方、協力体制の築き方
2022/4/28 研究開発部門へのDX導入によるR&Dの効率化、実験の短縮化
2022/4/28 プラントのDX化による生産性の向上、保全の高度化
2022/1/13 DXを未来のビジネスに結びつけるための情報収集利活用ノウハウ
2022/1/12 製造DX推進のための外観検査自動化ガイドブック
2021/10/29 “未来予測”による研究開発テーマ創出の仕方
2021/8/31 研究開発の "見える化" によるR&Dテーマ評価、進捗管理と進め方
2021/7/30 マテリアルズインフォマティクスのためのデータ作成とその解析、応用事例
2021/6/28 AI・MI・計算科学を活用した蓄電池研究開発動向
2021/3/31 研究開発テーマの評価と中止/撤退判断の仕方
2020/12/30 実践Rケモ・マテリアル・データサイエンス
2020/10/30 研究開発者のモチベーションの高め方と実践事例
2020/8/11 化学・素材業界におけるデジタルトランスフォーメーションの最新調査レポート
2020/8/1 材料およびプロセス開発のためのインフォマティクスの基礎と研究開発最前線
2019/1/31 マテリアルズ・インフォマティクスによる材料開発と活用集
2018/12/27 R&D部門の“働き方改革”とその進め方