第1部 ベイズ最適化など機械学習を用いた実験条件の探索と効率的なポリマー設計への応用

(2024年4月22日 10:00〜11:30)

　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2部 機械学習による有機化合物の屈折率、誘電率等の予測モデル作成

(2024年4月22日 12:10〜13:40)

　既存ソフトウェアを活用した機械学習による学習モデル作成について、高分子材料に関連した物性値の作成例も含め解説させて頂きます。 また良いモデルが得られない場合の対応として、説明変数の検討やデータ収集の工夫などについても解説させていただきます。

1. はじめに (計算化学関連に関する取り組み等紹介)
2. 機械学習の実施
   1. 機械学習QSPRソフトウェアについて
   2. 学習手法について (グラフ畳み込みネットワーク等)
   3. 実際の操作の流れ
3. 各種物性値の予測モデル作成
   1. 沸点の予測モデル作成 (一連の流れの紹介)
   2. 引火点の予測モデル作成 (データ追加による改善例)
   3. 密度の予測モデル作成 (記述子によるモデル作成例)
   4. 屈折率の予測モデル作成 (転移学習によるモデル作成例)
   5. 比誘電率の予測モデル作成 – 1 (データ分類の工夫)
   6. 比誘電率の予測モデル作成 – 2 (各種記述子の検討)
   7. 比誘電率の予測モデル作成 – 3 (計算化学の活用例)
4. 物性データが揃わない際の検討例
   1. 屈折率予測モデル
   2. 高屈折率化合物のデータ予測
   3. 理論計算を活用した追加データの作成
   4. 追加データを活用した高屈折化合物対応予測モデル作成
• 質疑応答

第3部 高分子物性データベースおよび自動計算ライブラリの開発

(2024年4月22日 13:50〜15:20)

1. 革新的特性を有する高分子材料の予測と発見
2. 高分子MIのための基盤創出
3. 分子設計アルゴリズム
4. 高分子物性データベースの乏しさ
5. スモールデータ問題の解決へ
   1. 転移学習 (Transfer learning)
      • 高熱伝導ポリマーの合成
      • 28点のデータから予測モデル
   2. シミュレーションの自動化によるデータベース開発
6. 高分子物性の大地図を作成
7. 高分子物性オープンデータベースの共創
8. 高分子物性計算の自動化
9. Python library for automated polymer MD
10. 計算対象の高分子骨格ライブラリ
11. 仮想ポリマーライブラリ
• 質疑応答

第4部 マテリアルズ・インフォマティクスを応用した気体分離膜の設計

(2024年4月22日 15:30〜17:00)

1. 膜分離工学におけるマテリアルズ・インフォマティクス
2. 二酸化炭素分離用の最適膜構造の設計
3. 透過理論に基づく膜材設計
4. 有機溶媒系分離用の高分子膜設計
• 質疑応答