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

マテリアルズ・インフォマティクス入門

マテリアルズ・インフォマティクス入門

~材料研究を促進し課題を解決するために~
オンライン 開催

視聴期間は2024年11月15日〜28日を予定しております。
お申し込みは2024年11月15日まで承ります。

概要

本セミナーでは、機械学習で基本的に用いられる「予測」「分類」「分布推定」「ベイズ最適化」技術の背景にある数学を簡単に解説し、「機械学習ポテンシャル」「スペクトル分類」「ピーク推定」等、マテリアルズ・インフォマティクスで用いられる機械学習の基礎とノウハウについて詳解いたします。

開催日

  • 2024年11月15日(金) 10時30分 2024年11月28日(木) 16時30分

受講対象者

  • 実際に材料研究・開発に関連した業務で機械学習を利用している方
  • 材料研究・開発に関連した業務で機械学習を利用して課題に直面している方
  • マテリアルズ・インフォマティクスの導入を検討されている方

プログラム

 マテリアルズ・インフォマティクス (MI) や研究デジタルトランスフォーメーション (DX) は、情報科学・技術を駆使して材料研究・開発を刷新することが目的であり、今後の国際競争を勝ち抜くための必須テーマです。
 本講座では、MIの実践事例を通じて、研究活動で生じるデータの生成・蓄積・活用のサイクルについて知っていただき、データ生成の観点からベイズ最適化、データ蓄積の観点からのデータベース構築、そしてデータ活用の観点からのスパースモデリングについて、必要な考え方・基礎知識について学んでいただきます。

  1. マテリアルズ・インフォマティクス概要
    1. 情報科学の活用に至った経緯
    2. 機械学習の概要
    3. データ駆動型材料研究について
    4. データ駆動型材料研究の要素:データ生成
    5. データ駆動型材料研究の要素:データ蓄積
    6. データ駆動型材料研究の要素:データ活用
    7. 機械学習応用の流れと課題設定の重要性
    8. 物質・材料データの特徴と注意点
    9. 「分かりたい」のか「見つけたい」のか
    10. 情報科学市民権
  2. データ取得のためのベイズ最適化
    1. ベイズ最適化の背後にある数理
    2. 自律実験装置とAIソフトウェア
    3. ロボット制御のための環境整備
    4. GPyOpt
    5. OPTUNA
    6. PHYSBO
  3. 材料データ蓄積を行う上で必要なこと
    1. データベース構築の3つの目的
    2. データベースの種類
    3. フラットファイルフォーマット
    4. ツリー構造を利用した実験データ蓄積
    5. 電子ラボノートの事例
  4. データベース開発に必要なスキルセット
    1. 誰のためのDBか?
    2. 開発コストの見積もり
    3. デスクトップアプリとウェブアプリ
    4. フロントエンドとバックエンド
    5. ウェブアプリ開発:Django
    6. ウェブアプリ開発:Streamlit
    7. ウェブアプリ開発:JavaScript
    8. ウェブアプリ開発:SQL
    9. ウェブアプリ開発:noSQL
    10. アジャイル開発という考え方
  5. DB構築の出口戦略
    1. パーソナルDB
    2. DBを介した共同研究
    3. DBの共有・共用
    4. パブリックDB
    5. 材料データと課題の多様性への対応
  6. 予測 (回帰) :予測モデルとスパースモデリング
    1. 予測・モデル選択の応用例
    2. 「モデル」と「損失関数」
    3. 線形回帰とカーネル法の違い
    4. 損失関数の変更によるモデル選択
    5. 交差検証によるモデル評価
    6. モデル推定の種類 (最尤法, MAP推定, ベイズ推定)
    7. スパース性とL0, L1正則化
    8. 説明可能性と特徴量選択
  7. 分類:スペクトルデータの低次元化とクラスター解析
    1. 高次元データとしてのスペクトルと低次元化の重要性
    2. 分類:教師あり学習と教師なし学習
    3. 特徴空間と類似性
    4. 主成分解析によるスペクトルの低次元化
    5. k – means法によるスペクトルの分類
    6. 階層的クラスタリングによるスペクトルの分類
  8. データ解析:スペクトル解析のためのEMアルゴリズムによるピーク検知
    1. ピーク検知のための処理フロー
    2. 非線形最小二乗法の困難
    3. EMアルゴリズムによる最尤推定
    4. スペクトル解析のための改良EMアルゴリズム
    5. 解析事例
    • 質疑応答

講師

  • 安藤 康伸
    東京工業大学 科学技術創成研究院 化学生命科学研究所
    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
: 36,200円 (税別) / 39,820円 (税込)
複数名
: 25,000円 (税別) / 27,500円 (税込)

複数名受講割引

  • 2名様以上でお申込みの場合、1名あたり 25,000円(税別) / 27,500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 36,200円(税別) / 39,820円(税込)
    • 2名様でお申し込みの場合 : 2名で 50,000円(税別) / 55,000円(税込)
    • 3名様でお申し込みの場合 : 3名で 75,000円(税別) / 82,500円(税込)
  • 同一法人内 (グループ会社でも可) 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。
  • 請求書および領収書は1名様ごとに発行可能です。
    申込みフォームの通信欄に「請求書1名ごと発行」とご記入ください。
  • 他の割引は併用できません。
  • サイエンス&テクノロジー社の「2名同時申込みで1名分無料」価格を適用しています。

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

  • 1名様あたり 10,000円(税別) / 11,000円(税込)
  • 企業に属している方(出向または派遣の方も含む)は、対象外です。
  • お申込み者が大学所属名でも企業名義でお支払いの場合、対象外です。

アーカイブ配信セミナー

  • 「ビデオグ」を使ったアーカイブ配信セミナーとなります。
  • 当日のセミナーを、後日にお手元のPCなどからご視聴ができます。
  • お申し込み前に、 視聴環境 をご確認いただき、 視聴テスト にて動作確認をお願いいたします。
  • 別途、ID,パスワードをメールにてご連絡申し上げます。
  • 視聴期間は2024年11月15日〜28日を予定しております。
    ご視聴いただけなかった場合でも期間延長いたしませんのでご注意ください。
  • セミナー資料は、PDFファイルをダウンロードいただきます。
  • 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。
  • 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。
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
2024/11/22 スモールデータ解析の方法と実問題解決への応用 オンライン
2024/11/22 実践ねじ締結設計 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
2024/11/26 Pythonによるデータ解析の基礎と実務への応用 オンライン
2024/11/27 ディープニューラルネットワークモデルとMTシステムの基礎・学習データ最小化・ エンジニアリング応用入門 オンライン
2024/11/27 医薬品開発に使えるタンパク質の理論的デザイン法とタンパク質のフォールディング予測法 オンライン
2024/11/28 金属破断面解析技術の基礎と解析事例 オンライン
2024/11/28 機械学習/AIによる特許調査の高度化で実践するスマート特許戦略 オンライン
2024/11/28 “データサイエンス入門”の入門 オンライン
2024/11/28 音・画像情報処理技術の基礎と認識・検査システムへの応用 オンライン
2024/11/29 機械学習/AIによる特許調査の高度化で実践するスマート特許戦略 オンライン
2024/12/2 カルマンフィルタの実践 オンライン
2024/12/3 ルールベースと機械学習ベースの画像認識技術 オンライン
2024/12/4 機械学習に基づいた不確実環境下における適応的実験計画 オンライン
2024/12/6 金属破断面解析技術の基礎と解析事例 オンライン
2024/12/6 AI/機械学習と従来型実験データの実用的な組み合わせ方法 オンライン
2024/12/6 実践疲労強度設計 オンライン
2024/12/9 Pythonによるデータ解析の基礎と実務への応用 オンライン
2024/12/9 AI外観検査導入のための基礎と進め方・留意点 オンライン
2024/12/11 機械学習のためのデータ前処理技術とノウハウ 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
2023/6/30 生産プロセスにおけるIoT、ローカル5Gの活用
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
2022/12/31 機械学習・ディープラーニングによる "異常検知" 技術と活用事例集
2021/10/25 AIプロセッサー
2021/10/25 AIプロセッサー (CD-ROM版)
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
2021/7/30 水と機能性ポリマーに関する材料設計、最新応用
2021/7/14 AIビジネスのブレークスルーと規制強化
2021/6/30 人工知能を用いた五感・認知機能の可視化とメカニズム解明
2021/6/28 AI・MI・計算科学を活用した蓄電池研究開発動向
2020/12/30 実践Rケモ・マテリアル・データサイエンス
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
2020/7/31 生体情報センシングと人の状態推定への応用
2020/4/30 生体情報計測による感情の可視化技術
2020/3/26 ビッグデータ・AIの利活用に伴う法的留意点
2020/3/24 リアルワールドデータの使用目的に応じた解析手法 - 各データベースの選択と組み合わせ -
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