ベイズ最適化を活用した実験の効率化と開発期間短縮

★研究知見を効果的に組み込んだデータ駆動型の実験計画手法とは！★効率的な組成予測から試行回数の低減、製品開発まで事例を交え解説！！

セミナー講師

１．(株)アイデミー　法人事業本部 DXコンサルティング部　Lab Bankグループ エンジニア　諸山 将梧 氏２．(株)レゾナック　計算情報科学研究センター　情報・インフォマティクスグループ　チーフリサーチャー　南 拓也 氏 ３．ライオン(株)　研究開発本部　戦略統括部　デジタルインテリジェンスグループ　データサイエンティスト　稲垣 英輔 氏 

セミナー受講料

  1名につき60，500円（消費税込み、資料付）　〔1社2名以上同時申込の場合1名につき55，000円（税込）〕

受講について

■　Live配信セミナーの視聴環境について

• 本講座はZoomを利用したLive配信セミナーです。セミナー会場での受講はできません。
• 下記リンクから視聴環境を確認の上、お申し込みください。　→ https://zoom.us/test
• 開催日が近くなりましたら、視聴用のURLとパスワードをメールにてご連絡申し上げます。
• セミナー開催日時に、視聴サイトにログインしていただき、ご視聴ください。
• Zoomクライアントは最新版にアップデートして使用してください。
• Webブラウザから視聴する場合は、Google Chrome、Firefox、Microsoft Edgeをご利用ください。
• パソコンの他にタブレット、スマートフォンでも視聴できます。
• セミナー資料はお申込み時にお知らせいただいた住所へお送りいたします。お申込みが直前の場合には、開催日までに資料の到着が間に合わないことがあります。ご了承ください。
• 当日は講師への質問をすることができます。可能な範囲で個別質問にも対応いたします。
• 本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
• 本講座はお申し込みいただいた方のみ受講いただけます。
• 複数端末から同時に視聴することや複数人での視聴は禁止いたします。
• Zoomのグループにパスワードを設定しています。
• 部外者の参加を防ぐため、パスワードを外部に漏洩しないでください。万が一部外者が侵入した場合は管理者側で部外者の退出あるいはセミナーを終了いたします。

■Live配信・アーカイブ配信セミナーの受講について

• 開催前日または配信開始日までに視聴用のURLとパスワードをメールにてご連絡申し上げます。セミナー開催日時またはアーカイブ配信開始日に、視聴サイトにログインしていただき、ご視聴ください。  
• 出席確認のため、視聴サイトへのログインの際にお名前、ご所属、メールアドレスをご入力ください。ご入力いただいた情報は他の受講者には表示されません。
• 開催前日または配信開始日までに、製本したセミナー資料をお申込み時にお知らせいただいた住所へお送りいたします。お申込みが直前の場合には、開催日または配信開始日までに資料の到着が間に合わないことがあります。
• 本講座で使用される資料や配信動画は著作物であり、録音・録画・複写・転載・配布・上映・販売等を禁止いたします。
• 本講座はお申し込みいただいた方のみ受講いただけます。
• 複数端末から同時に視聴することや複数人での視聴は禁止いたします。
• アーカイブ配信セミナーの視聴期間は延長しませんので、視聴期間内にご視聴ください。

セミナープログラム

＜１０：３０〜１２：００＞【第１部】ベイズ最適化による逆推算技術の活用と効率的な組成予測  (株)アイデミー　諸山 将梧 氏

【講演趣旨】本セミナーでは、組成予測における課題と、その解決策としてのベイズ最適化技術について解説します。外挿の難しさや高次元性といった組成予測の特徴を踏まえ、ベイズ最適化の利点と限界を紹介します。さらに、高次元ベイズ最適化の概念や、アルゴリズム研究と実際の実験との違いについても触れます。実践面では、プログラミングやSaaS、自社開発など、様々な導入方法を提案します。本講演を通じて、ベイズ最適化による効率的な組成予測の可能性と、その実用化への道筋を探ります。

【講演項目】1.組成予測の特徴　1-1.外挿の難しさ　1-2.高次元性2.ベイズ最適化の紹介　2-1.ベイズ最適化の概要　2-2.ベイズ最適化の長所　　2-2-1.予測速度の優位性　　2-2-2.外挿の難しさへの対処　2-3.ベイズ最適化の短所　　2-3-1.高次元との相性3.事例4.高次元ベイズ最適化　4-1.高次元ベイズ最適化の紹介　4-2.アルゴリズム研究と実際の実験の違い5.実践　5-1.プログラミング　5-2.SaaS　5-3.自社開発

【質疑応答】

＜１３：００〜１４：３０＞ 【第２部】ベイズ最適化をはじめとした組成・配合最適化による機能性材料探索  (株)レゾナック　南 拓也 氏

【講演趣旨】企業の機能性材料開発において、顧客ニーズに応じた実験条件の最適化は日常的に必要とされている。弊社ではマテリアルズインフォマティクス（MI）に取り組んでおり、その一環でベイズ最適化をはじめとした最適化技術に取り組んできた。本講座では、ベイズ最適化をはじめとするポリマー構造の最適化や、網羅探索による熱硬化性フィルムの原料配合最適化による試行回数低減の事例を紹介するとともに、材料設計における最適化のポイントについても言及する。

【講演項目】1.はじめに　1-1.レゾナックのAI、MI関連の取組み　1-2.材料開発においてMIが直面しやすい課題2.ベイズ最適化による熱可塑性ポリマーの効率的設計　2-1.物性予測モデルの構築　2-2.ベイズ最適化によるポリマー設計効率化3.網羅探索を用いた熱硬化性樹脂フィルムの設計　3-1.原料配合系の予測モデル構築　3-2.機械学習による原料配合探索と実験研究者との試行回数比較4.まとめ　4-1.材料設計における最適化　4-2.まとめ【質疑応答】

＜１４：４５〜１６：１５＞【第３部】ベイズ最適化手法を用いた効率的な実験条件探索、開発期間短縮  ライオン(株)　稲垣 英輔 氏

【講演趣旨】当社では、研究開発領域における価値創造の加速を目指し、研究員の新たな発見を創出するマテリアルズ・インフォマティクス（MI）技術の獲得と活用展開を進めている。昨年より、ベイズ最適化に研究知見を効果的に組み込んだデータ駆動型の実験計画手法を確立し、複数の製品開発での運用を進めている。本講座では、歯磨剤をはじめとした日用品の製品開発を対象に、少量データを起点に開発期間を短縮したベイズ最適化の活用事例を紹介する。加えて、当社MI人材強化の取り組みやMI技術の今後の展望について述べる。

【講演項目】 1.MI技術活用の背景　1-1.日用品の製品開発の現状と課題　1-2.MI技術活用の期待効果2.ベイズ最適化を活用した開発期間短縮　2-1.ベイズ最適化の基本概要　2-2.ベイズ最適化の効果的な活用方法　2-3.ベイズ最適化を用いた製品開発事例3.MI技術活用の習慣化　3-1.MI技術活用の浸透施策　3-2.MI人材育成の課題　3-3.MI人材育成の取り組み事例4.MI技術活用の今後の展望

【質疑応答】