マテリアルズインフォマティクスの動向と小規模・実験データへの応用

★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！ ～実験科学者による機械学習の効果的活用事例をご紹介～ ※本セミナーはZOOMを使ったLIVE配信セミナーです。会場での参加はございません。【アーカイブ配信：2/28～3/6】での受講もお選びいただけます。

セミナー講師

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＜ご専門＞　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）

セミナー受講料

49,500円（税込、資料付）■ セミナー主催者からの会員登録をしていただいた場合、1名で申込の場合39,600円、　 2名同時申込の場合計49,500円（2人目無料：1名あたり24,750円）で受講できます。（セミナーのお申し込みと同時に会員登録をさせていただきますので、　  今回の受講料から会員価格を適用いたします。）※ 会員登録とは　 ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。　 すべて無料で年会費・更新料・登録費は一切かかりません。　 メールまたは郵送でのご案内となります。　 郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。ライブ配信とアーカイブ配信（見逃し配信）両方の視聴を希望される場合は、会員価格で1名につき49,500円（税込）、2名同時申込で55,000円（税込）になります。お申し込みフォームのコメント欄に「ライブとアーカイブ両方視聴」とご記入下さい。

受講について

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。
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。

• セミナー資料は開催前日までにPDFにてお送りいたします。
• アーカイブの場合は、配信開始日以降に、セミナー資料と動画のURLをメールでお送りします。
• 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。

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。　

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

セミナープログラム

1．マテリアルズインフォマティクス（MI）に関する動向　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）

キーワード：マテリアルズインフォマティクス,機械学習,リチウムイオン電池,実験,データ,AI,人工知能