物質科学に適したデータ同化の基礎と手法・実例

49,500 円(税込)

※本文中に提示された主催者の割引は申込後に適用されます

※銀行振込 または、当日現金でのお支払い

このセミナーの申込みは終了しました。


よくある質問はこちら

このセミナーについて質問する
開催日 13:00 ~ 16:30 
締めきりました
主催者 サイエンス&テクノロジー株式会社
キーワード データマイニング/ビッグデータ   機械学習・ディープラーニング   化学反応・プロセス
開催エリア 全国
開催場所 オンライン配信セミナー

~実験・シミュレーションの統合による、材料探索とプロセスインフォマティクス~

【実際に体験可能な演習も実施】 

■実験データとシミュレーションデータを統合することで 高精度な予測モデルを得られるデータ同化。 同技術の物質科学への適用について、 基礎・手法、データ同化を用いたBayes最適化、 材料探索とプロセスインフォマティクスの実例などを解説します。 実際に同手法を体験できる演習も実施します。

 

日時

【Live配信】2024年8月28日(水)  13:00~16:30【アーカイブ配信】視聴期間:終了翌営業日から7日間[8/29~9/4中]を予定  受講可能な形式:【Live配信(アーカイブ配信付)】のみ

セミナー講師

奈良先端科学技術大学院大学 准教授 博士(理学) 原嶋 庸介 氏 専門:計算物質科学第一原理計算およびデータサイエンス(特にデータ同化などの実験と理論の融合領域)が得意これまでに取り組んできた物質系は、永久磁石、半導体、光触媒

セミナー受講料

※お申込みと同時にS&T会員登録をさせていただきます(E-mail案内登録とは異なります)。

49,500円( E-mail案内登録価格46,970円 )E-Mail案内登録なら、2名同時申込みで1名分無料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)

【1名分無料適用条件】※2名様ともE-mail案内登録が必須です。※同一法人内(グループ会社でも可)による2名同時申込みのみ適用いたします。※3名様以上のお申込みの場合、1名あたり定価半額で追加受講できます。※請求書(PDFデータ)は、代表者にE-mailで送信いたします。※請求書および領収証は1名様ごとに発行可能です。 (申込みフォームの通信欄に「請求書1名ごと発行」と記入ください。)※他の割引は併用できません。

 テレワーク応援キャンペーン(1名受講)【オンライン配信セミナー受講限定】 1名申込みの場合:受講料( 定価:37,400円/E-mail案内登録価格 35,640円 )※1名様でオンライン配信セミナーを受講する場合、上記特別価格になります。※他の割引は併用できません。

受講、配布資料などについて

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)アーカイブ配信 ►受講方法・視聴環境確認(申込み前に必ずご確認ください)

配布資料

  • PDFテキスト(印刷可・編集不可)

セミナー趣旨

本講演では講演者が最近進めている、実験とシミュレーションの融合に関する研究事例の紹介および講演者が開発したデータ同化手法の解説と演習を行う。触媒や永久磁石などの材料開発の高効率化のためにデータ科学の応用が進んでいる。最近では、データ科学に基づいた物質探索により200万もの新しい結晶を見つけたとの報告もある。このようなデータ科学では膨大な数のデータを要するが、触媒活性や自発磁化など、それぞれ特定の材料特性のデータ数は不十分な場合が多い。そこで、データ科学を物質科学に適用するには少数データを取り扱う方法が必要となり、データ同化はその一つである。データ同化はシミュレーションデータを実験データに統合することで高精度な予測モデルを得る方法である。材料特性の制御変数は多次元であり、広い空間ではデータの欠測も生じやすいため、これらを考慮した物質科学に適したデータ同化手法を紹介する。

受講対象・レベル

材料の研究開発に携わっている方で、シミュレーションを援用した効率的な開発を目指している方。演習はPythonの基礎を前提として行います。

習得できる知識

・多制御変数の場合に適用可能なデータ同化手法の基礎と実例・データ同化プログラムCLAUDEの使用方法・実験とシミュレーションの統合によるプロセスインフォマティクスの実例

セミナープログラム

1.物質科学におけるデータ同化手法の基礎 1.1 多変量Gauss分布モデル 1.2 欠測データと完全尤度 2.永久磁石化合物の有限温度磁化予測モデルの構築3.Perovskite型水分解光触媒化合物のバンドギャップ狭窄化 3.1 Multi-LayerPerceptronによる表現学習を用いた特徴量生成 4.データ同化を用いたBayes最適化 4.1 Bayesの定理と事後分布 4.2 獲得関数 5.光触媒化合物の焼成プロセスインフォマティクス 5.1 SrTiO3の焼成プロセスに関する特徴量生成 5.2 焼成プロセスのDynamicMonteCarloシミュレーション 5.3 実験・シミュレーション・機械学習の統合による触媒活性予測モデル構築 5.4 高い触媒活性が得られる焼成プロセスの導出 6.演習 6.1 データ同化プログラムCLAUDEのインストール 6.2 入力パラメータの説明 6.3 1次元系でのデモンストレーション 6.4 2次元系でのデモンストレーション 6.5 自由課題 □ 質疑応答 □【演習に関して】演習では講演者が開発したデータ同化プログラム(CLAUDE)をインストールしていただきます。こちらはPython(ver.3)で開発されたものです。データ同化プログラムのインストールはセミナー当日に説明しながら行います。基本的にGoogle Colaboratoryを使ったクラウド上での実施を想定しておりますので、事前に演習に利用可能なGoogleアカウントのご用意をお願いいたします。(お手元のPCに直接インストールも可能です。その場合はPythonのインストールを事前にお願いいたします)当日は、こちらで用意したトイデータを使用してデータ同化プログラムをお試しいただきます。