~実験科学者による機械学習の効果的活用事例をご紹介~
★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!
【アーカイブ配信:2/28~3/6】の視聴を希望される方は、 マテリアルズインフォマティクス【アーカイブ配信】からお申し込み下さい。
R&D支援センターウェビナー
開催日時:2025年2月26日(水)13:00~16:30
開催場所:【WEB限定セミナー】※ 会社やご自宅でご受講ください。
参 加 費:49,500円(税込)
定 員
30名
備 考
・本セミナーは「Zoom」を使ったWEB配信セミナーです。【アーカイブ配信:2/28~3/6】の視聴を希望される方は、 マテリアルズインフォマティクス【アーカイブ配信】からお申し込み下さい。
・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。
セミナー資料の無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
【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ください。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ください。
講 師
慶應義塾大学 理工学部 応用化学科 准教授 博士(工学) 緒明 佑哉 氏
高分子材料・二次元材料・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
<ご略歴>
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~現在 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)
受講対象・レベル
・製造業などで小規模データをMIによって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
・MIが熟練の経験と勘からの脱却を目指すものと言われて困惑されている方
・社内幹部からMIの導入について調査や検討を指示されている方
・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
習得できる知識
・小規模データへのMIへの適用方法
・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
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。
プログラム
1-1.MIへの期待
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は小規模データに適用できるのか・できないのか
1-6.MIと研究者の共存共栄
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.機械学習
2-4.予測モデル構築
2-5.MIで達成した成果
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.MIで達成した成果
4.小規模・実験データへのMIの適用
4-1.MIを身近なツールにする時代へ
4-2.明日から現場でできるデータセットの準備
4-3.明日から現場でできる機械学習
4-4.熟練の経験・勘・知見の活用法
5.おわりに(研究者の本音や質疑応答)