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

データ同化とベイズ最適化による材料探索の効率化と進め方

データ同化とベイズ最適化による材料探索の効率化と進め方

~実験データとシミュレーションデータの統合による新しい物質探索手法 / 高精度な予測モデルを得るためのポイント~
オンライン 開催 演習付き

概要

本セミナーでは、実験データとシミュレーションデータを統合することで高精度な予測モデルを得られるデータ同化について取り上げ、データ同化の物質科学への適用について、基礎・手法、データ同化を用いたBayes最適化、材料探索とプロセスインフォマティクスの実例を、演習を交えて解説いたします。

開催日

  • 2024年10月10日(木) 13時00分 17時00分

修得知識

  • 多制御変数の場合に適用可能なデータ同化手法の基礎と実例
  • データ同化プログラムCLAUDEの使用方法
  • 実験とシミュレーションの統合によるプロセスインフォマティクスの実例

プログラム

 本講演では、講演者が開発している物質科学におけるデータ同化手法の解説と演習、および実験とシミュレーションの融合に関する研究事例の紹介を行う。最近、データ科学を材料開発に応用した研究が進んでいるが、特定の材料特性のデータ数はデータ科学を適用するには不十分であることも多く、少数データを取り扱う方法が必要である。データ同化は少数の実験データにシミュレーションデータを統合することで高精度な予測モデルを得る方法である。さらに、物質科学特有の事情として、材料特性の制御変数が多次元であり、データの欠測が生じやすいことがある。これらを考慮した物質科学向けのデータ同化手法を紹介する。

  1. 物質科学におけるデータ同化手法の基礎
    1. 多変量Gauss分布モデル
    2. 欠測データと完全尤度
  2. 永久磁石化合物の有限温度磁化予測モデルの構築
  3. Perovskite型水分解光触媒化合物のバンドギャップ狭窄化
    1. Multi-Layer Perceptronによる表現学習を用いた特徴量生成
  4. データ同化を用いたBayes最適化
    1. Bayesの定理と事後分布
    2. 獲得関数
  5. 光触媒化合物の焼成プロセスインフォマティクス
    1. SrTiO3の焼成プロセスに関する特徴量生成
    2. 焼成プロセスのDynamic Monte Carloシミュレーション
    3. 実験・シミュレーション・機械学習の統合による触媒活性予測モデル構築
    4. 高い触媒活性が得られる焼成プロセスの導出
  6. 演習
    1. データ同化プログラムCLAUDEのインストール
    2. 入力パラメータの説明
    3. 1次元系でのデモンストレーション
    4. 2次元系でのデモンストレーション
    5. 自由課題
    • 質疑応答

講師

  • 原嶋 庸介
    奈良先端科学技術大学院大学
    准教授

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
: 45,000円 (税別) / 49,500円 (税込)
複数名
: 40,000円 (税別) / 44,000円 (税込)

演習に関して

演習では講演者が開発したデータ同化プログラム (CLAUDE) をインストールしていただきます。
こちらはPython (ver.3) で開発されたものです。
データ同化プログラムのインストールはセミナー当日に説明しながら行います。
基本的にGoogle Colaboratoryを使ったクラウド上での実施を想定しておりますので、事前に演習に利用可能なGoogleアカウントのご用意をお願いいたします。
(お手元のPCに直接インストールも可能です。その場合はPythonのインストールを事前にお願いいたします)

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 40,000円(税別) / 44,000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 45,000円(税別) / 49,500円(税込)
    • 2名様でお申し込みの場合 : 2名で 80,000円(税別) / 88,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 120,000円(税別) / 132,000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
  • 支払名義が企業の場合は対象外とさせていただきます。
  • 企業に属し、大学、公的機関に派遣または出向されている方は対象外とさせていただきます。

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。
  • セミナー資料は郵送にて前日までにお送りいたします。
  • 開催まで4営業日を過ぎたお申込みの場合、セミナー資料の到着が、開講日に間に合わない可能性がありますこと、ご了承下さい。
    ライブ配信の画面上でスライド資料は表示されますので、セミナー視聴には差し支えございません。
    印刷物は後日お手元に届くことになります。
  • 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。

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
2024/10/9 ベイズ計測の基礎と計測インフォマティクスによるデータ解析 オンライン
2024/10/11 ChatGPTによる実験計画法 オンライン
2024/10/17 Pythonを用いたスペクトルデータ解析の実践法 オンライン
2024/10/18 ChatGPTによる実験計画法を効率良く作成・遂行する方法 オンライン
2024/10/18 ChatGPTを活用したPythonデータ分析 オンライン
2024/10/21 Pythonで学ぶ機械学習による異常検知入門セミナー オンライン
2024/10/23 ChatGPTによる実験計画法 オンライン
2024/10/24 研究開発DXを導入・推進するためのデータプラットフォームの構築と運用ポイント オンライン
2024/10/24 研究開発部門における実験データの収集・管理と蓄積データの活用法 オンライン
2024/10/28 研究開発部門における実験データの収集・管理と蓄積データの活用法 オンライン
2024/10/29 Pythonで学ぶ機械学習による異常検知入門セミナー オンライン
2024/10/30 データ駆動科学の基礎・実践 オンライン
2024/10/30 材料・プロセス・分析データとインフォマティクス オンライン
2024/10/31 伝熱の基礎とExcelによる熱計算演習講座 オンライン
2024/10/31 マテリアルズ・インフォマティクス入門 オンライン
2024/11/1 ChatGPTによる実験計画法を効率良く作成・遂行する方法 オンライン
2024/11/11 実験の実務 : 実験条件・パラメーターの考え方と結果解釈 オンライン
2024/11/15 マテリアルズ・インフォマティクス入門 オンライン
2024/11/15 Pythonによる機械学習の基礎と異常検知への適用、実装ポイント オンライン
2024/11/25 Pythonによる機械学習の基礎と異常検知への適用、実装ポイント オンライン