本講座は、マテリアルズ・インフォマティクス黎明期からファーストペンギンとして試行錯誤してきた経験や、数々のマテリアルズ・インフォマティクスプロジェクトをこなしてきたノウハウをもとに、日々の材料開発で活用できるマテリアルズ・インフォマティクスの基本と実践ポイントを整理して紹介します。
　材料開発の実務に資するデータ分析の考え方、AIフレンドリーなデータのあり方、機械学習の基礎、データ分析のための要件整理/タスク設計の考え方、材料開発現場における各種データ (表形式・画像・テキスト・スペクトル・時系列・有機材料・無機材料など) の扱い方や生成AI (LLM) +RAGの活用、現場でよくある課題への対処法などを幅広く解説します。

1. マテリアルズ・インフォマティクス (MI) とは?
   1. マテリアルズ・インフォマティクスの現在位置
   2. 日々の材料開発にマテリアルズ・インフォマティクスを取り入れた実例
   3. 日々の材料開発にまず取り入れることができるマテリアルズ・インフォマティクスとは?
2. マテリアルズ・インフォマティクスの中核をなす機械学習とは?
   1. マテリアルズ・インフォマティクスでよく使用する機械学習の概要
   2. 材料開発の場面に存在するデータの特性
3. マテリアルズ・インフォマティクスプロジェクトの流れ
   1. 要件整理
   2. タスク設計
4. マテリアルズ・インフォマティクス領域におけるデータ分析
   1. テーブルデータ分析
   2. 画像データ分析
   3. テキストデータ分析 (LLM + RAGを含む)
   4. 有機材料のデータ分析
   5. 無機材料のデータ分析
   6. スペクトルデータ分析
   7. 時系列データ分析
   8. 生成AIと従来AIの使い分け
5. マテリアルズ・インフォマティクス領域のデータ分析でしばしば直面する状況とそれに応じた対処法
   1. サンプルの定義
      • 原材料
      • 混合物
      • コンポジット
      • デバイス
   2. 実験データの管理
   3. 偏りのあるデータへの対処法
   4. データ分析における実験管理
   5. データ分析の実行環境
   6. ハイパーパラメータチューニング
   7. 有望な実験候補の探索
      • パレート解
      • ベイズ最適化など
   8. その他
6. マテリアルズ・インフォマティクススキルを磨いていくには?
   1. 材料ドメイン知識
   2. データサイエンス力
   3. プロジェクト推進力
   4. データエンジニアリング力
• 質疑応答