tech-seminar.jp

本セミナーでは、分子動力学法 (MD法) の基本原理、具体的な計算手法、物理量の算出法について、背景も含めて基礎から丁寧に解説いたします。
さらに、高分子材料開発、特に機能性分離膜の設計に関する応用事例を紹介いたします。

本セミナーでは、より有効な実験条件を効率的に探索するための基本的な統計手法として、まず分散分析について解説いたします。
また、近年注目されているベイズ最適化を用いた実験計画について講義を行います。そして、複数特性に対して最適化を目指す方法についても概要を紹介いたします。

本セミナーは、現在主流の硫化物・酸化物系全固体電池と比較して耐久性に優れているフッ化物電池に注目し、全固体電池の作動原理などの基礎的な内容から、世界における全固体電池の実際や世界での実用に向けた取り組みについて解説いたします。

本セミナーでは、マテリアルズインフォマティクスの主軸を担う計算科学シミュレーションの基礎から応用までの講義を中心に、計算科学シミュレーションを活用した様々な材料設計の成功例を紹介いたします。

本セミナーでは、実験科学者である講師らの研究グループで行った、小規模データへの機械学習の効果的活用によるマテリアルズインフォマティクスの研究事例について紹介いたします。

本セミナーでは、実験の自動化について取り上げ、機械学習を活用したロボットによる実験の自動化、蓄電池材料開発における実験自動化技術、自動実験ロボットとAIが連携した蓄電池材料開発について解説いたします。

本セミナーでは、研究・実験データの共有、利活用状況改のためのデータ蓄積方法、探査・分析を意識したデータ蓄積での注意点、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、利活用を促進するためのシステム・体制の条件について、豊富な経験を交え分かりやすく解説いたします。

本セミナーでは、マテリアルズ・インフォマティクスについて基礎から解説いたします。
なるべく数式を使用せずにモデル化と逆解析の考え方の概念を分かりやすく解説いたします。
高分子材料設計を行うにあたっての材料表現法、モデル化法などの実践的な方法を習得いただけます。

本セミナーでは、R&D部門のデータ共有、利活用の実情から解説し、データ共有・利活用状況を改善するために必要な方策に関して、研究開発支援プラットフォームを導入する際に必要な要件及び、各個人に必要な意識改革や会社としての体制づくり等を説明いたします。

本セミナーでは、R&D部門のデータ共有、利活用の実情から解説し、データ共有・利活用状況を改善するために必要な方策に関して、研究開発支援プラットフォームを導入する際に必要な要件及び、各個人に必要な意識改革や会社としての体制づくり等を説明いたします。

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。