マテリアルズ・インフォマティクス入門

《材料研究を促進し課題を解決するために》

【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

MIの実践事例を通じた研究開発活動で生じるデータの生成・蓄積・活用のサイクル
データ取得のためのベイズ最適化、材料データ蓄積に必要なこと、データベース開発に必要なスキルセット、、、、
データ生成の観点からのベイズ最適化、物質・材料シミュレーションと結晶構造探索の基礎、データ蓄積の観点からのデータベース構築、、、
スパースモデリング、スペクトルモデリングでの必要な考え方、基礎知識

セミナー趣旨

マテリアルズ・インフォマティクス（MI）や研究デジタルトランスフォーメーション（DX）は、情報科学・技術を駆使して材料研究・開発を刷新することが目的であり、今後の国際競争を勝ち抜くための必須テーマです。

本講座では、MIの実践事例を通じて、研究活動で生じるデータの生成・蓄積・活用のサイクルについて知っていただき、データ生成の観点からベイズ最適化や物質・材料シミュレーションと結晶構造探索の基礎、データ蓄積の観点からのデータベース構築、そしてデータ活用の観点からのスパースモデリングやスペクトルモデリングについて、必要な考え方・基礎知識について学んでいただきます。

対象

• マテリアルズ・インフォマティクスに興味はあるが、何から始めて良いかわからない方
• 機械学習ライブラリをとりあえず使っているが中身について詳しく知りたい方
• 具体的な材料開発の課題に対して機械学習を利用したいが、アプローチが不明な方

キーワード

マテリアルズ・インフォマティクス, プロセス・インフォマティクス, スパースモデリング, 機械学習, データベース, ベイズ最適化, 予測, 分類, 結晶構造探索, スペクトルモデリング

担当講師

東京科学大学　総合研究院　化学生命科学研究所　准教授　博士（理学）　安藤 康伸　氏

セミナープログラム（予定）

1．マテリアルズ・インフォマティクス概要
1.1 情報科学の活用に至った経緯
1.2 機械学習の概要
1.3 データ駆動型材料研究について
1.4 データ駆動型材料研究の要素：データ生成
1.5 データ駆動型材料研究の要素：データ蓄積
1.6 データ駆動型材料研究の要素：データ活用
1.7 機械学習応用の流れと課題設定の重要性
1.8 物質・材料データの特徴と注意点
1.9 「分かりたい」のか「見つけたい」のか
1.10 情報科学市民権

2．データ取得のためのベイズ最適化
2.1 ベイズ最適化の背後にある数理
2.2 自律実験装置とAIソフトウェア
2.3 ロボット制御のための環境整備
2.4 GPyOpt
2.5 OPTUNA
2.6 PHYSBO

3．材料シミュレーションと結晶構造探索の基礎
3.1 物質・材料シミュレーションとは
3.2 密度汎関数法
3.3 Schrodinger方程式を真面目に解く
3.4 密度汎函数理論ベースの計算コード
3.5 エネルギー地形とは
3.6 Nudged Elastic Band法
3.7 勾配法による構造最適化
3.8 局所解の避け方
3.9 遺伝的アルゴリズム
3.10 遺伝的操作
3.11 USPEX
3.12 構造の結合メカニズム
3.13 粒子群最適化（(Particle Swarm Opt.）
3.14 CALYPSO
3.15 特徴空間と類似性
3.16 グローバルPSOとローカルPSO
3.17 CALYPSOの重要概念
3.18 Interface CARYPSO
3.19 ベイズ最適化による構造探索
3.20 CrySPY
3.21 CrySPYの性能評価
3.22 双対グラフと多面体に基づく結晶構造生成
3.23 最密充填構造に基づいた探索
3.24 ShotgunCSP
3.25 Neural Structure Field（NeSF）
3.26 Crystalformer
3.27 MatterGen

4．材料データ蓄積を行う上で必要なこと
4.1 データベース構築の３つの目的
4.2 データベースの種類
4.3 フラットファイルフォーマット
4.4 ツリー構造を利用した実験データ蓄積
4.5 電子ラボノートの事例

5．DB構築の出口戦略
5.1 パーソナルDB
5.2 DBを介した共同研究
5.3 DBの共有・共用
5.4 パブリックDB
5.5 材料データと課題の多様性への対応

6．予測（回帰）：予測モデルとスパースモデリング
6.1 予測・モデル選択の応用例
6.2 「モデル」と「損失関数」
6.3 線形回帰とカーネル法の違い
6.4 損失関数の変更によるモデル選択
6.5 交差検証によるモデル評価
6.6 モデル推定の種類（最尤法, MAP推定, ベイズ推定）
6.7 スパース性とL0, L1正則化

7．分類：スペクトルデータの低次元化とクラスター解析
7.1 高次元データとしてのスペクトルと低次元化の重要性
7.2 分類：教師あり学習と教師なし学習
7.3 特徴空間と類似性
7.4 主成分解析によるスペクトルの低次元化
7.5 k-means法によるスペクトルの分類
7.6 階層的クラスタリングによるスペクトルの分類

8．データ解析：スペクトル解析のためのEMアルゴリズムによるピーク検知
8.1 ピーク検知のための処理フロー
8.2 非線形最小二乗法の困難
8.3 EMアルゴリズムによる最尤推定
8.4 スペクトル解析のための改良EMアルゴリズム
8.5 解析事例

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】 2025年10月30日（木） 10:30～16:30
【アーカイブ配信】 2025年11月17日（月） まで受付（視聴期間：11/17～12/1）

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50,000円＋税5,000円
E-Mail案内登録価格：本体47,500円＋税4,750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55,000円 (2名ともE-Mail案内登録必須​／１名あたり定価半額27,500円)

3名で82,500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27,500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 44,000円(E-Mail案内登録価格 42,020円 )

定価：本体40,000円＋税4,000円
E-Mail案内登録価格：本体38,200円＋税3,820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。

★【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。