第1部 分子シミュレーションとマテリアルズ・インフォマティクスを活用した高信頼材料の高効率設計

(2025年1月14日 10:00〜11:30)

　マテリアルズインフォマティクスと分子シミュレーションを組み合わせることにより、異種材料界面を効率的に高強度化する技術を、具体的な事例を紹介しながら解説します。

1. 技術潮流
2. マテリアルズ・インフォマティクスの概要
   1. マテリアルズ・インフォマティクスによる最適設計とは
   2. 最適設計の流れ
   3. 適用事例の概要 (1)
   4. 適用事例の概要 (2)
3. 材料設計効率化の課題とアプローチ
   1. パラメータサーベイにおける課題
   2. 課題へのアプローチと分子シミュレーション
4. マテリアルズ・インフォマティクスによる複合材料界面の設計事例
   1. 樹脂との密着強度を向上させる金属の設計
   2. はんだの破断伸びを向上させる添加元素の選定
   3. 環境・生体に適合する材料の界面密着強度を向上させる設計
   4. 金属との界面接着強度が高いバイオマス由来材料の設計
   5. 薄膜配線の信頼性を高める材料設計の事例
5. まとめ
   1. 有効性の確認
   2. 今後の展望
• 質疑応答

第2部 マテリアルズ・インフォマティクスにおけるデータの記録と蓄積、加工およびその活用

(2025年1月14日 12:10〜13:40)

1. マテリアルズ・インフォマティクスにおけるデータ記録・活用の課題
   1. データがない
   2. データが活用できる形になっていない
   3. データがあっても活用できない
   4. 活用できる人が少ない
2. データの記録
   1. どのようにデータを記録したら活用しやすいか
   2. 化合物登録システム
   3. マテリアルズ・インフォマティクスでの付番管理
   4. アッセイデータ登録システム
   5. マテリアルズ・インフォマティクスでの評価結果の管理
   6. アイデア・着想の記録
3. データの活用
   1. 特徴量の抽出
   2. 化学構造式
   3. 画像処理
   4. スペクトルデータ
• 質疑応答

第3部 自然言語処理を含む機械学習の化学・材料分野への適用

(2025年1月14日 13:50〜15:20)

　自然言語処理を含む機械学習によって、化学・材料分野の研究の進め方に大きな変化が起こっています。従来の技術者・研究者の知識や経験と、機械学習により導き出された結果をどのように融合させるかが問われる段階になっています。
　本講座では、自然言語処理を含む機械学習の化学・材料分野への適用と、そこから得られた結果を従来の知識や経験と合わせて人間が解釈できるのか、その現状を説明できればと考えています。

1. 自然言語処理を含む機械学習の化学・材料分野への適用
   1. 化学・材料分野での機械学習の利用例
   2. 機械学習を用いた際の課題
2. 化学に関する物性推算への適用
   1. 機械学習を用いない従来の方法
   2. 機械学習を用いた方法
3. 化学反応経路の予測
   1. 量子化学計算など機械学習を用いない従来の方法
   2. 機械学習 (自然言語処理を含まない) を用いた方法
   3. 自然言語処理を用いた方法
4. まとめと今後の展望
• 質疑応答

第4部 材料科学分野における言語処理技術の応用展望

(2025年1月14日 15:30〜17:00)

　本セミナーでは、以下のような事柄について、概要を理解していただき、自社で展開する際の参考にしていただく。

• 材料科学分野で自然言語処理技術を利用してどのようなことができるのか
• やりたいことを実現するのにどの種類の技術を用いればよいのか
• 市販ツールがどのような技術を用いているのか
• 市販ツールを自社カスタマイズする発注の際に言語モデル的に注意すべき点
• 今後どのようなことができるようになると期待されるか

1. 概観
   1. マテリアルズインフォマティクス
      • 物性値
      • 分子構造
      • 結晶構造
      • 化学構造式
      • 物性名
      • 数式
      • 自然言語
   2. 対象とする文書の種類と特徴
      • 論文
      • 特許
      • 書籍
      • 安全・規制に関わる法的文書
      • 社内文書
   3. 求められる処理の種類と特徴
      • 文書分類
      • 検索 (目的文書の抽出)
      • 情報の抽出 (文中の特定情報の抽出)
2. 言語処理の種類と活用
   1. 統計処理ベース (深層学習を含む)
      • TF-IDE、N-gramなど
      • 単語ベクトル:Word2Vec、Doc2Vec
      • BERT:pre-trainingとfine-tuning
      • ChatGPT
   2. 文法ベース
      • 品詞解析
      • 構文解析/照応解析
   3. 材料関連分野に特化したモデル
      1. 様々なモデル
      • Word2Vec系:Mat2Vec
      • BERT系
        • SciBERT
        • BioBERT
        • BatteryBERT
        • MatSciBERT
        • MatBERT
        • MaterialBERT
      • モデル利用時の注意点
        • 学習データ
        • 単語辞書
        • モデル計算 (初めからor代入)
        • 学習条件
        • 検証のデータ
3. NIMSでの活用事例
   1. 超電導データベース
   2. PoLyInfoデータベース
   3. マテリアルキュレーション支援システム
4. テキストと数値データの関連付け
• 質疑応答