機械学習を用いたスペクトルデータ解析と材料開発への適用【提携セミナー】

　　セミナー　　情報通信　　AI・機械学習　　機械学習を用いたスペクトルデータ解析と材料開発への適用【提携セミナー】

開催日時	【LIVE配信】2026/5/21（木） 13:00～16:00 , 【アーカイブ配信】5/25～5/29　（何度でも受講可能）
担当講師	安藤康伸氏
開催場所	【WEB限定セミナー】※会社やご自宅でご受講下さい。
定員	30名　※現在、お申込み可能です。満席になり次第、募集を終了させていただきます。
受講費	非会員： 49,500円（本体価格：45,000円）会員： 39,600円（本体価格：36,000円）

★マテリアルズ・インフォマティクスの基本から、機械学習を活用して

どのように取得データから情報を抽出するか？分かりやすく解説します！

機械学習を用いたスペクトルデータ解析と

材料開発への適用

【提携セミナー】

主催：株式会社R&D支援センター

◆セミナー趣旨

近年では物質・材料に関するスペクトルデータを大量に取得できる装置環境が整ってきているが、複雑な形状をとるものや、フィッティングにかかる手間などから網羅的に解析を実施することが困難になってきている。

本講義では、取得したデータからの情報抽出のための機械学習活用について、機械学習の数理的な側面も交えながら基礎的な内容を紹介する

◆習得できる知識

機械学習を利用した材料スペクトルデータ解析に関する基礎知識
機械学習を活用した研究手法に関する基礎知識

◆受講対象

材料開発者
実験データ解析手法の幅を広げたい方
スペクトル解析の背後にある数理の基礎を学びたい方
解析ソフトウェア開発等に携わる方

◆キーワード

マテリアルズインフォマティクス、機械学習、スペクトルデータ、解析、回帰、モデル、材料、開発

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

＜ご専門＞
計算物質科学; マテリアルズ・インフォマティクス

＜学協会＞
日本表面真空学会; 日本物理学会; 電気化学会

＜ご略歴＞
2012年東京大学大学院理学系研究科物理学専攻博士後期課程修了. 博士(理学). 同年産業技術研究所産総研特別研究員.
2013年東京大学大学院工学系研究科マテリアル工学専攻助教,
2016年より産業技術総合研究所研究員.
2018年より同所主任研究員を経て, 2024年より東京工業大学准教授, 2024年10月より東京科学大学准教授.

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）機械学習の基礎
2）機械学習応用の流れと課題設定の重要性
3）代表的な機械学習応用事例の紹介
4）物質・材料データの特徴と注意点
5）「分かりたい」のか「見つけたい」のか？
6）情報科学市民権
7）物質科学の立場として忘れてはいけないこと

2．スペクトルデータの低次元化とクラスター解析
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
2）分類：教師あり学習と教師なし学習
3）特徴空間と類似度
4）特徴空間の解釈性と表現性
5）主成分解析によるスペクトルの低次元化
6）k-means法によるスペクトルの分類
7）階層的クラスタリングによるスペクトルの分類

3．予測（回帰）：予測モデルとモデル選択
1）予測・モデル選択の応用例
2）モデル推定の種類（最尤法, MAP推定, ベイズ推定）
3）確率論的にみた回帰と正則化
4）非線形モデリングの困難
a）マルコフ連鎖モンテカルロ法によるパラメータ最適化
b）情報量基準によるモデル選択
c）解析事例

4．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
1）ピーク検知のための処理フロー
2）非線形最小二乗法の困難
3）回帰と分布推定の違い
4）ガウス分布の最尤推定
5）EMアルゴリズムによる最尤推定
6）スペクトル解析のための改良EMアルゴリズム
7）解析事例