tech-seminar.jp

本セミナーでは、晶析現象および化学工学的な解析・モデル化を基盤として、予測に用いるデータや説明変数・特徴量をどのように設計・整理するかを解説いたします。

本セミナーでは、マテリアルズ・インフォマティクスの実践事例を通じて、研究活動で必然的に生じるデータの生成・蓄積・活用というサイクルについて理解を深めていただき、データ生成の観点からベイズ最適化や物質・材料シミュレーション・結晶構造探索の基礎、データ蓄積の観点からのデータベース構築とその出口戦略、そしてデータ活用の観点からのスパースモデリングやスペクトルデータ解析について、実務に活かせる考え方・基礎知識を体系的に解説いたします。

研究・実験データは蓄積している。でも、「どこにあるか分からない」「担当者しか使えない」「共有しても活用されない」 – - そんなR&D現場になっていませんか?
本セミナーでは、研究データが属人化する原因から、共有・利活用できるデータ設計とルール化、推進チームの作り方、現場を巻き込む具体的な進め方までを体系的に解説いたします。
また、データ共有の開始前・開始後に陥りやすい失敗と回避策を取り上げます。

本セミナーでは、マテリアルズ・インフォマティクスの実践事例を通じて、研究活動で必然的に生じるデータの生成・蓄積・活用というサイクルについて理解を深めていただき、データ生成の観点からベイズ最適化や物質・材料シミュレーション・結晶構造探索の基礎、データ蓄積の観点からのデータベース構築とその出口戦略、そしてデータ活用の観点からのスパースモデリングやスペクトルデータ解析について、実務に活かせる考え方・基礎知識を体系的に解説いたします。

本セミナーでは、材料開発・材料設計に計算科学シミュレーションを有効に活用するための基礎から応用例までわかりやすく解説いたします。
また、マテリアルズインフォマティクスを活用し、製品開発につなげるポイントについて解説いたします。

本セミナーでは、多成分混合物の物性推算を対象に、機械学習モデルへ混合則、過剰物性、組成依存性、温度依存性、分子構造情報などの物理化学的知見を組み込むことで、限られたデータから高精度かつ安定な推算を実現するための考え方を解説いたします。

本セミナーでは、物性、物質収支、熱収支、蒸留、ガス吸収などの化学プロセス計算を、GeminiにPythonコードを生成させる手順、方法について基礎から解説いたします。

本セミナーでは、多成分混合物の物性推算を対象に、機械学習モデルへ混合則、過剰物性、組成依存性、温度依存性、分子構造情報などの物理化学的知見を組み込むことで、限られたデータから高精度かつ安定な推算を実現するための考え方を解説いたします。

本セミナーでは、材料実験AIエージェントについて取り上げ、LLMへの自社の実験知見の与え方、実験データとの連携方法、エージェントの精度・速度を向上させるための工夫、つまずいたポイントについて詳解いたします。

本セミナーでは、生成AIとAIエージェントの基礎から解説し、生成AI・AIエージェントによる情報収集のポイント、有望なテーマの絞り込みの実践的な進め方について解説いたします。

本セミナーでは、R&D部門のデータ共有・利活用の実情、属人的データ共有状況が生み出される原因、属人的データ共有状況が引き起こす問題、報告書の共有で期待して良いこと・良くないこと、機械学習などのMIの特性と注意すべき点、R&D部門においてデータベースと機械学習を連携させていく場合の注意点、データベース導入時・運用時に陥りがちな落とし穴とそれを防ぐ方策について、詳しく解説いたします。

本セミナーでは、医薬品・化学・材料系の研究開発者を対象に、これまでExcelで行っていた実験データの管理やデータ整理をPython (Pandas) に置き換え、業務の効率化を図るための方法と留意点について解説いたします。