昨今、マテリアルズDXの必要性が企業においても認識され、積極的な研究開発、実データへの応用が進んでいます。その中で、マテリアルズDXを行うための解析プログラムについては豊富なのですが、個々のデータに対して何を入力するべきなのか、得られた結果をどう解釈するのかについては現場レベルで問題になることが多いかと思います。
　本講演では、そういった方針の決定や解釈性にとって重要な、機械学習による特徴量エンジニアリングの基礎について解説し、そのマテリアルズDXに向けた応用展開について講義します。また、その技術の中でも重要な行列分解やスパースモデリング手法についても取り上げ、Pythonによる実践方法とともに説明します。本講義を通して、マテリアルズDXへの成功事例への足がかりとなれば幸いです。

1. マテリアルズDXの現状と、特徴量エンジニアリングの必要性
   1. マテリアルズDXとは? これまでのマテリアルズインフォマティクス、計測インフォマティクスとの関係
   2. 特徴量エンジニアリングとは?なぜマテリアルズDXにおける重要性
2. スパースモデリングによる特徴量選択の基礎
   1. 機械学習の基礎
   2. 汎化性能と交差検定法による評価
   3. スパースモデリングの基礎
   4. スパースモデリングの標準的手法および最新の動向
   5. Pythonによる特徴量選択の実装のためのチュートリアル
3. 画像処理を用いた特徴量抽出の基礎
   1. 行列分解による画像特徴量抽出
   2. スパースモデリングによる特徴量抽出
   3. Pythonによる特徴量抽出の実装のためのチュートリアル
4. マテリアルズDXへ向けた特徴量エンジニアリングの展開
   1. マテリアルズインフォマティクスにおける特徴量エンジニアリング展開1
      - リチウムイオン電池の電解液材料探索への応用 –
      1. 計算科学的アプローチと情報科学的アプローチの融合による効率的な材料探索に向けて
      2. スパースモデリングによる機能を予測する記述子抽出
      3. 記述子をコントロールした機能予測
   2. マテリアルズインフォマティクスにおける特徴量エンジニアリング展開2
      - 高収率なナノシート合成開発への応用 –
      1. 未知な系で最少実験数による高収率合成の実証
      2. 少数データに対するモデルの選び方、対処方法について
      3. 合成特徴量をどう取り扱うかについて
   3. 計測インフォマティクスにおける特徴量エンジニアリング展開
      - 放射光データ解析への応用 –
      1. 物理モデルから有効な特徴量を抽出する
      2. 計測データから、物質の内部構造を如何に同定するか?
      3. ベイズ推論を用いた、計測データからのモデル選択について
5. マテリアルズDXにおける今後の展望について