基礎から学ぶ！

高分子材料における

マテリアルズ・インフォマティクス

～イオン交換膜の特性・劣化を予測可能な機械学習モデルを例に～

＜Zoomによるオンラインセミナー:見逃し視聴あり＞

講師

九州大学 大学院工学研究院　応用化学部門　准教授 博士（理学）　加藤 幸一郎 先生

日時・会場・受講料

●日時　2024年5月21日（火）　12:30-16:30
●会場　会場での講義は行いません。
●受講料
　　【オンラインセミナー（見逃し視聴なし）】：1名41,800円(税込（消費税10％）、資料付)
　　＊1社2名以上同時申込の場合、1名につき30,800円

　　【オンラインセミナー（見逃し視聴あり）】：1名47,300円(税込（消費税10％）、資料付)
　　＊1社2名以上同時申込の場合、1名につき36,300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・録画行為は固くお断り致します。

■ セミナーお申込手順からセミナー当日の主な流れ　→

※配布資料等について

●配布資料はPDF等のデータで配布致します。ダウンロード方法等はメールでご案内致します。
・配布資料に関するご案内は、開催1週前～前日を目安にご連絡致します。
・準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。
　（土、日、祝日は営業日としてカウント致しません。）
・セミナー資料の再配布は対応できかねます。必ず期限内にダウンロードください。

●当日、可能な範囲でご質問にお答えします。（全ての質問にお答えできない可能性もございます。何卒ご了承ください。）
●本講座で使用する資料や配信動画は著作物であり、無断での録音・録画・複写・転載・配布・上映・販売などは禁止致します。
●ご受講に際しご質問・要望などございましたら、下記メールアドレス宛にお問い合わせください。
req@johokiko.co.jp

セミナーポイント

■はじめに
近年、ビッグデータ、機械学習(ML)技術などの発達により、マテリアルズインフォマティクス(MI)の研究が盛んに行われています。これはアカデミアに限った話ではなく、多くの企業でも導入が進められています。しかし、エネルギー・環境・バイオなど社会生活を多方面で支える基幹材料である機能性高分子へのML導入は未だ十分ではありません。機能性高分子は一般的な高分子を主鎖に、イオン伝導性など特定機能を持つ官能基が側鎖として修飾されており、繰り返し単位のモノマーが1種なら単独重合体、2種以上なら共重合体と呼ばれ、様々な構造のものが存在します。革新的な機能性高分子材料の高効率な開発を可能とするML技術の確立はSDGsの3, 6, 7, 9, 12, 13と非常に広範な波及効果が見込まれます。そこで本講義では、データサイエンスやMIの概要から説明し、機能性高分子へのML適用の難しさとそれらを如何に克服していくかについて紹介します。

■想定される主な受講対象者
・本テーマに興味のある方なら、どなたでも受講可能です。
・実験や文献の小規模データにMIを適用したいと思われている方
・MIを導入してみたものの思ったような活用につながらない方
・実験系研究／技術者だがMIを使いたい方
・熟練の経験や勘と考察などをMIに融合できないか検討されている方

■必要な予備知識
・この分野に興味のある方なら、特に予備知識は必要ありません。

■本セミナーに参加して修得できること
・データサイエンスの初級知識
・高分子材料へのMI適用の動向
・高分子材料へのMIの適用方法
・文献データからのMIの実施方法

■研究動向　2023.10.18
共重合体を含むアニオン交換膜の特性・劣化を予測可能な機械学習モデルを構築
燃料電池や水電解装置の研究開発を加速させ、水素社会実現に貢献
https://www.kyushu-u.ac.jp/ja/researches/view/994/

セミナー内容

１．データサイエンスの概要

　１．１　データサイエンスとは
　１．２　データサイエンスの今

２．マテリアルズインフォマティクス（MI）の概要

　２．１　MIの歩み
　２．２　MIへの期待
　２．３　MIの最近の動向

３．高分子材料に対するマテリアルズインフォマティクス
　　（ポリマーインフォマティクス：PI）の動向

　３．１　PIの歩み
　３．２　PIの最近の動向
　　　　　　　(1) メゾ構造からの特徴抽出技術開発
　　　　　　　　　・プロトン交換膜について
　　　　　　　(2) ポリマー材料のシミュレーション
　　　　　　　　　・全原子シミュレーション
　　　　　　　　　・粗視化シミュレーション
　　　　　　　(3) トポロジカルデータ解析
　３．３　PIの難しさ

４．PIの事例紹介

　４．１　アニオン交換膜について
　　　　　－AEM開発加速のために：MIの課題
　４．２　文献からのデータ収集
　４．３　高分子材料の記述子変換
　４．４　説明可能な機械学習モデルの構築
　　　　　－共重合体を含むアニオン交換膜の特性・劣化を予測可能な機械学習モデルを構築

５．総括　機能性ポリマーインフォマティクスの実現に向けて

　－モノマー構造とメゾ構造の双方を用いた高分子MI

講師紹介

【略歴】
2007年3月　東京工業大学　理学部　物理学科　卒業
2011年9月　東京工業大学大学院理工学研究科　物性物理学専攻　博士課程修了　博士（理学） 取得
2009年4月　日本学術振興会　特別研究員(DC1)
2011年10月　日本学術振興会　特別研究員(PD)
2012年4月　みずほ情報総研株式会社　サイエンスソリューション部
2020年6月　九州大学大学院工学研究院　応用化学部門　准教授

【専門】
マテリアルズインフォマティクス/ポリマーインフォマティクス/AI創薬/第一原理計算/
量子化学計算/分子動力学計算/粗視化シミュレーション/機械学習/トポロジカルデータ解析

【本テーマ関連学協会での活動】
文部科学省マテリアル先端リサーチインフラ事業　データ連携基盤委員会委員長
所属学会：日本化学会、高分子学会、日本薬学会、情報計算化学生物学会（CBI学会）