tech-seminar.jp

本セミナーでは、予兆保全を単なるセンサー導入やAI活用ではなく、製造現場の判断と保全業務を変えるための実践テーマとして捉え、突発停止や品質不良、保全人材不足といった課題を起点に、現場に眠る「壊れる前のサイン」をどのように見つけ、既存設備からデータを収集し、判断に使える形へ整えていくかを解説いたします。

本セミナーでは、予兆保全を単なるセンサー導入やAI活用ではなく、製造現場の判断と保全業務を変えるための実践テーマとして捉え、突発停止や品質不良、保全人材不足といった課題を起点に、現場に眠る「壊れる前のサイン」をどのように見つけ、既存設備からデータを収集し、判断に使える形へ整えていく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、研究活動で生じるデータの生成・蓄積・活用のサイクルについて紹介し、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と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、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モデリングについて、必要な考え方・基礎知識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、材料開発のDXについて取り上げ、基盤となるマテリアルズ・インフォマティクスの基礎と位置づけから、生成AI・AIエージェント・Physical AIといった最新のAI技術とそれらによる研究開発の変化、AIを実務で機能させるための設計 (ハーネスエンジニアリングの観点) 、組織変革や必要な人材、アジャイル開発と研究開発プロセスの融合、実務への落とし込み (判断軸と実行ステップ) について解説いたします。

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、プロセスインフォマティクスについて取り上げ、少数の試行で最適解を導くベイズ最適化によるプロセス改善を基礎から応用まで分かりやすく解説いたします。

本セミナーでは、研究・実験データの共有・データ蓄積方法、電子実験ノートの種類・特徴、データ共有基盤のメリット/デメリット、データ蓄積での注意すべき点、蓄積されたデータ分析の注意点、データ蓄積を行うための意識改革、研究・実験データの共有、利活用を促進の体制・条件について、豊富な経験と研究に基づき、実践的に分かりやすく解説いたします。

本セミナーでは、近年、様々な分野で活用が広がるトポロジカルデータ解析 (位相的データ解析:TDA) について取り上げ、解決できる課題、ホモロジーの考え方、パーシステントホモロジー、パーシステント図の読み方、適用例 (アモルファス材料・高分子メルト) など、基礎・手法・応用について分かりやすく解説します。

本セミナーでは、材料開発のDXについて取り上げ、基盤となるマテリアルズ・インフォマティクスの基礎と位置づけから、生成AI・AIエージェント・Physical AIといった最新のAI技術とそれらによる研究開発の変化、AIを実務で機能させるための設計 (ハーネスエンジニアリングの観点) 、組織変革や必要な人材、アジャイル開発と研究開発プロセスの融合、実務への落とし込み (判断軸と実行ステップ) について解説いたします。

本セミナーは、新材料設計、材料製造プロセスの効率化、画像による材料検査の自動化を目指す技術者や研究者にとって、業務の質を向上させ、競争力を高めるための知識とスキルを提供いたします。

本セミナーでは、研究・実験データの共有・データ蓄積方法、電子実験ノートの種類・特徴、データ共有基盤のメリット/デメリット、データ蓄積での注意すべき点、蓄積されたデータ分析の注意点、データ蓄積を行うための意識改革、研究・実験データの共有、利活用を促進の体制・条件について、豊富な経験と研究に基づき、実践的に分かりやすく解説いたします。

本セミナーでは、データの可視化、モデルの予測性能向上、モデルの逆解析を特に重点的に解説いたします。
また、分子設計・材料設計・プロセス設計・プロセス管理に関する最新の研究事例を紹介いたします。
ケモインフォマティクス・プロセスインフォマティクスにも役立つ内容となっております。

本セミナーでは、機械学習を活用した物性推算の限界要因を体系的に整理した上で、Physics-Informed Neural Network (PINN) や従来の物性推算式・熱力学モデルとのハイブリッド手法により、これらの課題を克服・超越するアプローチを紹介いたします。
また、グラフ畳み込みネットワーク (GCN) による分子構造表現、SMILES文字列をシーケンスとして扱うTransformerベースモデルがもたらすAI独自の強みを活かした最新の物性予測手法を解説いたします。