AIによる物性推算《限界要因とその克服法/今後の展開》【提携セミナー】
| 開催日時 | 【Live配信】2026/5/28(木)10:30~16:30 , 【アーカイブ】2026/6/8まで受付(視聴期間:6/8~6/18まで) |
|---|---|
| 担当講師 | 松川 博亮 氏 |
| 開催場所 | Zoomを利用したLive配信 または アーカイブ配信 |
| 定員 | 30名 |
| 受講費 | 55,000円(消費税込、資料付) |
★ 少ないデータからの物性予測! 予測の解釈性向上と信頼性強化!
AIによる物性推算
《限界要因とその克服法/今後の展開》
【提携セミナー】
主催:株式会社技術情報協会
講座内容
近年、機械学習を活用した物性推算は、分子設計・プロセス最適化の加速ツールとして注目を集めている。しかし、化学工学分野特有のデータ希少性、物理法則の厳密性、外挿予測の困難さから、純粋データ駆動アプローチの適用限界が指摘されてきた。
本講座では、まずこれらの限界要因を体系的に整理した上で、Physics-Informed Neural Network(PINN)や従来の物性推算式・熱力学モデルとのハイブリッド手法により、これらの課題を克服・超越するアプローチを紹介する。さらに、グラフ畳み込みネットワーク(GCN)による分子構造表現、SMILES文字列をシーケンスとして扱うTransformerベースモデルがもたらすAI独自の強みを活かした最新の物性予測手法を概観する。
さらに、Explainable AI(XAI)によるモデル信頼性向上、AIを前提とした自動物性測定システム、プラントビッグデータとラボデータのマルチフィデリティ学習といった展望を議論し、AI×物性推算の持続的発展に向けた方向性を提示する。
担当講師
埼玉大学 工学部 応用化学科 准教授 博士(工学) 松川 博亮 氏
セミナープログラム(予定)
1. 導入
1-1. 化学工学における物性推算の位置づけと従来手法の限界
1-2. AI・機械学習の基本と物性推算への適用可能性
1-3. 「AIは物性推算に向いていない」と言われる主な理由
2. それでも広がるAI物性推算の現実
2-1. 新規化合物に対する物性予測モデル
2-2. 未測定条件での物性予測モデル
3. AIを活用した物性推算
3-1. Physics-Informedニューラルネットワーク
3-2. 従来物性推算式・熱力学モデルとの融合
4. AIアーキテクチャがもたらす「従来では不可能だった」物性推算
4-1. 分子・結晶グラフを扱うGCN/GNN
4-2. 空間情報・局所構造を捉えるCNN
4-3. SMILESをテキストシーケンスとして扱うTransformer
5. AI×物性推算の今後と展望
5-1. XAIによる予測の解釈性向上と理論的信頼性強化
5-2. AI前提の自動実験システム
5-3. プラントビッグデータとラボスケールデータの統合
【質疑応答】
公開セミナーの次回開催予定
開催日
【Live配信】2026/5/28(木)10:30~16:30
【アーカイブ】2026/6/8まで受付(視聴期間:6/8~6/18まで)
開催場所
Zoomを利用したLive配信 または アーカイブ配信
受講料
1名につき55,000円(消費税込・資料付き)
〔1社2名以上同時申込の場合1名につき49,500円(税込)〕
備考
資料は事前にPDFで郵送いたします。
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。
★【LIVE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。
※お申込後はキャンセルできませんのでご注意ください。
※申し込み人数が開催人数に満たない場合など、状況により中止させていただくことがございます。































