セミナー 印刷

マテリアルズインフォマティクスの動向と
少ないデータへの適用事例
【ライブ配信】

~実験科学者の少ないデータを活かす事例をご紹介~

受講可能な形式:【ライブ配信】のみ
★データの規模が小さい、データが集まりにくい、どのように機械学習を使えばよいのか?MIを上手に活用するための必須講座です!
日時 2026年2月26日(木)  13:00~16:30
受講料(税込)
各種割引特典
49,500円 ( E-Mail案内登録価格 39,600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36,000円+税3,600円
※サイエンス&テクノロジーが設定しているアカデミー価格対象外のセミナーです。
※サイエンス&テクノロジーが設定しているキャンセル規定対象外のセミナーです。
※ E-mail案内登録価格申込者には主催者のR&D支援センターからも無料でセミナー等の案内をお送り致します。
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) 
主催(株)R&D支援センター
配布資料セミナー資料は事前にPDFでお送りします。紙媒体では配布しません。
  ※無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
オンライン配信・本セミナーは「Zoom」を使ったWEB配信セミナーとなります。

【Zoomを使ったWEB配信セミナー受講の手順】
1)Zoomを使用されたことがない方は、こちらからミーティング用Zoomクライアントをダウンロードして下さい。
  ダウンロードできない方はブラウザ版でも受講可能です。
2)セミナー前日までに必ず動作確認をお願いします。
  
Zoom WEBセミナーのはじめかたについてはこちらをご覧ください。
3)開催日直前にWEBセミナーへの招待メールをお送りいたします。
  当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加下さい
得られる知識・小規模データへの機械学習の適用方法
・物質探索やプロセス最適化や性能向上のための予測モデル構築方法
・研究者/技術者の熟練の知恵と機械学習の融合方法
対象・自社内の小規模データを活用したいと思われている方
・機械学習は複雑で難しいと思われている方
・社内のMI導入がうまく進まずに困っている方
・社内へMIの導入について調査・検討されている方
・実験科学者で機械学習やMIとはこれまで縁が無かった方

セミナー講師

慶應義塾大学 理工学部 応用化学科 教授 博士(工学) 緒明 佑哉 氏
[専門]
 高分子材料・二次元材料・共役高分子・マテリアルズインフォマティクス
[学協会]
 日本化学会・高分子学会・日本セラミックス協会
[略歴]
 学歴
 2002年3月 慶應義塾大学 理工学部 応用化学科 卒業
 2006年3月 慶應義塾大学 大学院理工学研究科 総合デザイン工学専攻 後期博士課程修了 博士(工学)取得
 主な職歴
 2007年4月 日本学術振興会 特別研究員(PD)
      研究機関:東京大学 大学院工学系研究科
 2009年4月 慶應義塾大学 理工学部 応用化学科 助教
 2012年4月 同 専任講師
 2016年4月 同 准教授
 2016年10月~2020年3月 JSTさきがけ研究者(兼任)
 2018年8月~2020年7月 文部科学省研究振興局 学術調査官(兼任)
 2023年4月~現在 同教授

セミナー趣旨

 マテリアルズインフォマティクス(MI)は、近年、急速に進展し、産官学にわたり多くの成功事例が報告されるようになるとともに、いくつかの課題が見えてきました。そのひとつは、実際の物質・材料を合成でき、自前のデータや経験と勘を持った実験科学者がどのようにMIを活用するかです。データの規模が小さい、データが集まりにくい、どのように機械学習を使えばよいのかといった点で、実験科学者には手段としてのMIが十分に浸透していません。
 本講座では、実験科学者である我々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MIの研究事例について紹介します。特に、小規模データに対しては、研究者の経験・勘・知見・考察が重要であることがわかってきました。具体的には、ナノシート材料の収率や高分子材料の電気化学特性を向上させた事例を中心に、MIの活用方法について紹介したいと思います。

セミナー講演内容

1.マテリアルズインフォマティクス(MI)に関する背景と最新動向
 1-1.MIへ期待されていること
 1-2.MIのはじまり
 1-3.MIでできることとできないこと
 1-4.MIの先端的な取り組み事例
 1-5.MIのこれからの課題
 1-6.MIの小規模データへの適用は可能か

2.MIを活用したプロセス最適化事例:ナノシート収率の向上
 2-1.MIを導入した系の紹介
 2-2.データセットの準備
 2-3.研究課題の機械学習可能な問題への変換
 2-4.機械学習
 2-5.予測モデル構築
 2-6.予測モデルを活用した高効率実験

3.MIを活用した物質探索事例:高性能な新規リチウムイオン二次電池有機負極の探索
 3-1.MIを導入した系の紹介
 3-2.データセットの準備
 3-3.機械学習
 3-4.予測モデル構築
 3-5.モデル構築の失敗事例とそこからの学び
 3-6.予測モデルを活用した高効率実験

4.小規模・実験データへのMIの適用についてまとめ
 4-1.実験主導MIの位置づけ
 4-2.問題設定とデータセットの準備
 4-3.機械学習と経験・勘・考察の活用によるモデル構築
 4-4.高効率な実験へ 
 4-5.DXとの融合

5.おわりに(研究者の本音や質疑応答)