機械学習を利用した多成分混合物の物性予測・物性推算

≪限られた実験データからの混合物物性の予測、材料開発、プロセス設計への活用≫

【提携セミナー】

主催：サイエンス＆テクノロジー株式会社

受講可能な形式：【ライブ配信】or【アーカイブ配信】のみ

多成分系、多成分混合物の物性推算に対して、機械学習を効果的に活用するための考え方と具体的な手法を解説

ニューラルネットワークを中心とした機械学習モデルの基礎
混合物物性データの特徴、組成・温度・分子構造情報を用いた記述子設計、既存の混合則や経験式と機械学習モデルの違いの理解
限られたデータを有効に活用し、高精度な推算を行うための物理化学的知見や理論的制約の機械学習への組み込み方

ニューラルネットワークの基本的仕組み、多成分物性推算に関する先端手法、ハイブリッド型AIの仕組みと特徴

セミナー趣旨

ニューラルネットワークは、近年さまざまな分野でその有用性が認められており、物性推算の分野においても活用が進んでいます。高い表現力を有するニューラルネットワークは、多数の因子が複雑に影響し合う多成分系の物性推算に適している一方で、データ駆動型の手法であるため、一般に多くの学習データを必要とします。しかし、多成分系では、成分の種類や組成、温度などの操作因子が多く、膨大な探索空間を実験データのみで網羅することは容易ではありません。

本講演では、このような多成分系の物性推算に対して、機械学習を効果的に活用するための考え方と具体的な手法を紹介します。ニューラルネットワークの基本的な仕組みから、理論モデルと最新の機械学習手法を組み合わせたハイブリッドモデリングまでを取り上げます。これらを通じて、機械学習の初学者が、ニューラルネットワークを用いて物性推算に何ができるのか、また、限られたデータを有効に活用するためにどのようなアプローチが有効であるのかを理解することを目的とします。

得られる知識

• ニューラルネットワークの基本的仕組み
• 多成分物性推算に関する先端手法
• ハイブリッド型AIの仕組みと特徴

受講対象

機械学習初学者でも受講可能（事前知識は不要）

キーワード

：ニューラルネットワーク、物性推算、ハイブリッドAI、化学工学

担当講師

静岡大学　工学部　化学バイオ工学科　講師　博士（工学） 村上 裕哉　氏

セミナープログラム（予定）

■ ニューラルネットワークの基本
・機械学習とは何か
・機械学習とニューラルネットワーク
・活性化関数の役割
・万能近似定理
・機械学習の実用上の欠点

■ニューラルネットワークの構造
・代表的な活性化関数
・ノードとレイヤー
・ニューラルネットワークの中間層
・ニューラルネットワークにおける行列演算
・GPU演算と行列演算

■誤差逆伝播法と過学習
・誤差逆伝播法の仕組み
・学習パラメータ数
・局所解と広域解
・ニューラルネットワークにおける過学習

■既存モデルとの比較
・既存モデルのアプローチとの類似点と相違点
・機械学習の強み

■様々なニューラルネットワーク
・単純なニューラルネットワークの限界と解決策

■時系列データとニューラルネットワーク
・時間的整合性とは
・回帰型ニューラルネットワーク
・Long Short-Term Memory
・Neural ODE
・時系列データ用のニューラルネットワークの特徴と強み

■多次元データとニューラルネットワーク
・画像処理におけるニューラルネットワーク
・二次元型畳み込みニューラルネットワーク
・畳み込み操作の基礎と仕組み
・信号処理とニューラルネットワーク
・一次元畳み込みニューラルネットワーク

■ネットワークデータとニューラルネットワーク
・グラフ表現とは
・メッセージ伝播型ニューラルネットワークと物性推算
・PyGeometricによるMPNNの実装

■転移学習を利用した少データ学習
・転移学習の原理
・転移学習でのモデル再利用と学習効率向上

■分子記述子と機械学習による物性推算
・物性推算における転移学習
・転移学習を利用する際のワークフロー
・代表的な分子記述子
・MPNNによる物性推算精度
・MPNNによる学習データ削減効果
・MPNNで作成した記述子の特徴
・Parity plotでみるMPNNの予測精度

■物性推算への事前知識の導入
・外挿予測における過学習
・誤差逆伝播法を活用した勾配制約
・勾配制約によるアレニウス式の考慮
・物性推算におけるハード制約とソフト制約

■三成分混合物の物性推算
・工学プロセスにおける混合物の位置づけ
・非理想溶液の物性予測の難しさ
・既存の理論駆動・データ駆動モデル
・物性推算での外挿予測における問題
・PINNベースモデルによるアプローチ
・相互作用考慮モデルによるアプローチ
・データ測定手法
・既存モデルの精度と問題点
・ニューラルネットワークの精度と限界
・ハイブリッドAIの特徴と効果
・混合物物性推算に重要な構造的特徴

■多成分系混合物の物性推算
・多成分系の物性推算の難しさ
・混合物の記述子表現
・埋め込み表現による混合物表現
・多次元空間におけるデータ収集
・ベイズ最適化によるデータ収集
・アクティブラーニングの効果
・交差検証と混合物物性推算精度
・記述子選定手法
・埋め込みにおける次元数の選択

質疑応答

公開セミナーの次回開催予定

開催日

【ライブ配信】 2026/9/29（火）13:00～16:30
【アーカイブ配信】 2026/10/20（火）まで受付（視聴期間：10/20～11/2）

開催場所

【WEB限定セミナー】※会社やご自宅でご受講下さい。

受講料

一般受講：本体45,000円＋税4,500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名あたり定価半額の24,750円)
3名で74,250円 (3名ともE-Mail案内登録必須)　※4名以上も1名追加ごとに24,750円を加算

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：受講料 39,600円(E-Mail案内登録価格 37,840円)

定価：本体36,000円＋税3,600円
E-Mail案内登録価格：本体34,400円＋税3,440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。
※※お申込みフォームのメッセージ欄に【テレワーク応援キャンペーン希望】とご記載ください。
※他の割引は併用できません。

★【S&T会員登録】と【E-Mail案内登録】の詳細についてはこちらをご参照ください。

※E-Mail案内登録をご希望の方は、申込みフォームのメッセージ本文欄に「E-Mail案内登録希望」と記載してください。ご登録いただくと、今回のお申込みからE-mail案内登録価格が適用されます。

配布資料

PDFデータ（印刷可・編集不可）
※ライブ配信受講は開催2日前を目安に主催者サイトのマイページよりダウンロード可となります。
※アーカイブ配信受講は配信開始日からダウンロード可となります。

オンライン配信のご案内

※【Live配信（zoom使用）対応セミナー】についてはこちらをご参照ください

※【WEBセミナー：アーカイブ受講対応セミナー】についてはこちらをご参照ください

備考

※講義中の録音・撮影はご遠慮ください。
※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。

お申し込み方法

★下のセミナー参加申込ボタンより、必要事項をご記入の上お申し込みください。
★【ライブ配信】【アーカイブ配信】のどちらかご希望される受講形態をメッセージ欄に明記してください。