セミナー 印刷

マテリアルズ・インフォマティクスの導入と
実用化に向けた活用法

MI解析手法・予測精度向上・データベース構築・MI特許等のハウツーから
導入・活用における実情を踏まえた課題・ポイントや具体例まで!

受講可能な形式:【Live配信】のみ

マテリアルDX導入の課題やポイント、求められる人材とその育成、MIで用いる機械学習手法、逆解析による分子探索や組成・実験条件の最適化等のMI実施の具体例、データベースの構築、MI特許、講師所属企業における事例、今後のトレンドなど。
実際に企業で取り組んできた講師が実践方法と実情を踏まえたポイントを解説します。
日時 2023年3月1日(水)  10:30~16:30
会場 Live配信セミナー(会社・自宅にいながら受講可能)  
会場地図
受講料(税込)
各種割引特典
49,500円 ( E-Mail案内登録価格 46,970円 ) S&T会員登録とE-Mail案内登録特典について
定価:本体45,000円+税4,500円
E-Mail案内登録価格:本体42,700円+税4,270円
E-Mail案内登録なら、2名同時申込みで1名分無料 1名分無料適用条件
2名で49,500円 (2名ともE-Mail案内登録必須​/1名あたり定価半額24,750円) 
※【テレワーク応援キャンペーン(1名受講)【Live配信/WEBセミナー受講限定】
1名申込みの場合:受講料(定価:39,600円/E-Mail案内登録価格:37,620円 )
   定価:本体36,000円+税3,600円
   E-Mail案内登録価格:本体34,200円+税3,420円
 ※1名様でLive配信/WEBセミナーを受講する場合、上記特別価格になります。
 ※お申込みフォームで【テレワーク応援キャンペーン】を選択のうえお申込みください。
 ※他の割引は併用できません。
配布資料電子媒体(PDFデータ/印刷可)
・弊社HPのマイページよりダウンロードいただきます。
・開催2日前を目安に、ダウンロード可となります。
・ダウンロードには会員登録(無料)が必要となります。
オンライン配信ZoomによるLive配信 ►受講方法・接続確認申込み前に必ずご確認ください
備考※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。
得られる知識・マテリアルDX(MI)の基礎知識、導入の仕方
・MIの実験的な精度向上のテクニック
・マテリアルDXの今後の活用先に関する周辺技術
対象初心者向け、マテリアルDX(MI)の基本からどのように使われるかまで体系的に学びたい方、今後の活用方法について興味のある方
予備知識は特に必要ありません。

セミナー講師

三井化学株式会社 / 信州大学 工学部 特任准教授 博士(工学) 向田 志保 氏
専門:情報科学、マテリアルDX、マテリアルズ・インフォマティクス、生物工学
HP :https://jp.mitsuichemicals.com/jp/index.htm 

セミナー趣旨

 DX, AI技術を用いたマテリアルDX,マテリアルズ・インフォマティクス(MI)の活用は新規材料開発に欠かせないものになりつつあり、活用の用途は広がるばかりです。
 本講習会ではハウツーに加え、実用化を目指したその活用法並びに今後の展開について様々な角度から解説します。

セミナー講演内容

※内容は多少変更することがあります。

1.マテリアルDXとは
 1.1 マテリアルDXの背景
 1.2 マテリアルDXがブームになった背景
 1.3 マテリアルDX導入時のポイント
 1.4 MI解析の流れ
 
2.マテリアルDX人財
 2.1 マテリアルDXに求められる人財
 2.2 マテリアルDXに求められる技術
 2.3 人財育成
 
~MI解析手法~
3.機械学習概要
 3.1 機械学習基礎編
  3.1.1 必須用語
  3.1.2 機械学習モデル概要
  3.1.3 機械学習モデルの評価手法
  3.1.4 データの次元圧縮による可視化
 3.2 機械学習応用編
  3.2.1 特徴量エンジニアリング
  3.2.2 説明変数選択
  3.2.3 機械学習モデルのハイパーパラメータの最適化
  3.2.4 アンサンブル学習
 
4.最適条件探索手法
 4.1 実験計画法
 4.2 ベイズ最適化
 4.3 遺伝的アルゴリズム
 4.4 予測用候補サンプルの作り方
 
5.ケモインフォマティクス
 5.1 化合物データの取り扱い
 5.2 構造記述子
 5.3 化合物の類似度の計算
 5.4 分子構造生成
 
6.実験的な精度向上に向けて
 6.1 複合系のデータの取り扱い
 6.2 公共データベース、特許、文献情報の活用
 6.3 適用領域(Applicability Domain: AD)
 6.4 予測、候補サンプルの選択の仕方
 
7.画像解析
 7.1 MIでよく扱う画像解析の課題点
 7.2 画像の前処理
 7.3 画像の特徴量抽出、特徴量解析
 7.4 パーシステントホモロジー
 
8.データベース構築
 8.1 MI用データベースの作り方
 8.2 データベースのMI活用
 
9.MI知財
 9.1 MI特許の動向
 9.2 MI特許戦略
 9.3 MI特許の権利化
 
10.今後のマテリアルDXトレンドを追う
 10.1 量子コンピュータ
 10.2 自律型実験装置
 10.3 エッジAI、Robotic Process Automation (RPA)の活用
 10.4 自然言語処理
 10.5 メタバース/デジタルツイン/VR/AR

 □質疑応答□