マテリアルズ・インフォマティクス セミナー

サイトマップサイトマップ よくあるお問合わせよくあるお問合せ リクエストリクエスト セミナー会場セミナー会場へのアクセス リンクリンク
セミナーのメニュー
  ヘルスケア系
7月
8月
9月
10月〜

化学・電気系 その他各分野
7月
8月
9月
10月〜
出版物出版物
新刊図書新刊図書 月刊 化学物質管理Gmpeople
通信教育講座通信教育講座
LMS(e-learning)LMS(e-learning)
セミナー収録DVDDVD
電子書籍・学習ソフトDVD
セミナー講師のコラムです。講師コラム
  ↑2019/7/3更新!!
お申し込み・振込み要領お申込み・振込要領
案内登録案内登録
↑ ↑ ↑
新着セミナー、新刊図書情報をお届けします。

※リクエスト・お問合せ等
はこちら→ req@johokiko.co.jp



SSL GMOグローバルサインのサイトシール  


マテリアルズ・インフォマティクス セミナー

*その他 機械学習・ディープラーニング・人工知能: 関連セミナー、書籍はこちら:

★材料開発に機械学習をどのように利用していけば良いのか?
 マテリアルズ・インフォマティクスでよく用いられる機械学習の基礎知識を習得!
★予測・モデル選択や記述子の問題、ベイズ最適化等、マテリアルズ・インフォマティクス活用のための要点について、具体例を交え解説!

物質・材料開発課題の解決のための

マテリアルズ・インフォマティクス入門

講師

国立研究開発法人 産業技術総合研究所 機能材料コンピュテーショナルデザイン研究センター 主任研究員 博士(理学)  安藤 康伸 先生

* 希望者は講師との名刺交換が可能です

→このセミナーを知人に紹介する

日時・会場・受講料

●日時 2019年9月17日(火) 10:30-16:30
●会場 [神奈川・川崎]川崎市産業振興会館9階第3研修室 →「セミナー会場へのアクセス」
●受講料 1名46,440円(税込(消費税8%)、資料・昼食付)
 *1社2名以上同時申込の場合、1名につき35,640円
      *学校法人割引;学生、教員のご参加は受講料50%割引。→「セミナー申込要領・手順」を確認下さい。

 ●録音・撮影行為は固くお断り致します。
 ●講義中の携帯電話の使用はご遠慮下さい。
 ●講義中のパソコン使用は、講義の支障や他の方の迷惑となる場合がありますので、極力お控え下さい。
  場合により、使用をお断りすることがございますので、予めご了承下さい。
  *PC実習講座を除きます。


■ セミナーお申込手順からセミナー当日の主な流れ →

セミナーポイント

 昨今、材料開発の目的でマテリアルズ・インフォマティクスが高い注目を集めている。
 しかしながらこの分野に関しては情報科学の視点からの事例・教材が中心であり、物質・材料科学の視点からの一般的な応用に向けた事例にアクセスすることが難しい。
 本セミナーでは、まず新材料発見に限定せずに、マテリアルズ・インフォマティクスの一般論を展開し、生物系や社会系とは異なった点での困難について解説する。
 加えて、「予測(回帰)」「分類」「データ解析」「データ活用」について、背後にある基礎的な数学と材料科学の接点について具体例を交えながら解説する。

○受講対象:
 ・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

○受講後、習得できること:
 ・マテリアルズ・インフォマティクスでよく用いられる機械学習の基礎知識
 ・マテリアルズ・インフォマティクスを活用するための「機械学習」以外の重要なノウハウ
 ・マテリアルズ・インフォマティクスの適用事例に関する知識

セミナー内容

1. マテリアルズ・インフォマティクス概要
 1) AI for Materialsとマテリアル・ゲノムプロジェクト
 2) 国内外のプロジェクト動向
 3) 機械学習の基礎
 4) 機械学習応用の流れと課題設定の重要性
 5) 代表的な機械学習応用事例の紹介
 6) マテリアルズ・インフォマティクスの課題と解決・今後

  a) 物質・材料データの特徴と注意点
  b) 「分かりたい」のか「見つけたい」のか
  c) 情報科学市民権

2. 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」と「損失関数」

  a) 線形回帰とカーネル法の違い
  b) 損失関数の変更によるモデル選択
  c) 交差検証によるモデル評価
 3) モデル推定の種類(最尤法, MAP推定, ベイズ推定)
 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

3. 予測(回帰):機械学習ポテンシャルの設計
 1) 物質の記述(記述子)

  a) 原子配列の「構造特徴」と「局所特徴」
  b) 特徴量が満たすべきRuppの条件
  c) 構造特徴の例
  d) 局所特徴の例
 2) 原子間ポテンシャルと機械学習
  a) 歴史的なポテンシャルの設計方針と例
  b) ポテンシャルフィットとニューラルネット利用の歴史
  c) 第一世代ニューラルネットポテンシャルの課題
  d) Behler-Parrinelloの方法
  e) 機械学習ポテンシャルの応用事例

4. 分類: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) 特徴空間と類似性
 4) 主成分解析によるスペクトルの低次元化
 5) k-means法によるスペクトルの分類
 6) 階層的クラスタリングによるスペクトルの分類

5. 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
 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) EMアルゴリズムによる最尤推定
 4) スペクトル解析のための改良EMアルゴリズム
 5) 解析事例
 6) EMアルゴリズムとしてのk-means法

6. データ活用:ベイズ最適化の概要と応用
 1) ベイズ最適化でやりたいこと
 2) ベイズ最適化を使った研究事例
 3) ベイズ最適化の作業フロー

  a) 予測曲線を確率的に引く(ガウス過程回帰)
  b) 「活用」と「探索」による候補点探索(獲得関数)
 4) デモンストレーション

  <質疑応答>

セミナー番号:AC190972

top

注目の新刊

雑誌 月刊化学物質管理

日本語メディカルライティング

DI対応CSV 2019

プラスチック環境対応技術

自動運転センシング

半導体製造プロセス

三次元培養

ピッカリング・エマルション

再生医療・細胞治療

分野別のメニュー

化学・電気系他分野別一覧

  植物工場他

  機械学習他

ヘルスケア系分野別一覧

  海外関連

  医療機器

各業界共通
マーケティング・人材教育等

「化学物質情報局」

特許・パテント一覧 INDEX
(日本弁理士会 継続研修)

印刷用申込フォーム    

セミナー用

書籍用

会社概要 プライバシーポリシー 通信販売法の定めによる表示 商標について リクルート
Copyright ©2011 情報機構 All Rights Reserved.