（10/26）マテリアルズ・インフォマティクスの基礎から実践のポイントと事例

大阪公立大学 大学院 情報学研究科 学際情報学専攻 教授 上杉 徳照 氏

セミナーポイント

■はじめに：
　近年、機械学習やAIの発展により、材料開発や製造プロセスの最適化を目的としたマテリアルズ・インフォマティクス（MI）が注目を集めています。一方で、実際にMIを活用するためには、機械学習の基本的な考え方や適用上の注意点を理解し、対象に応じて適切な手法を選択することが重要です。
　本セミナーでは、マテリアルズ・インフォマティクスで必要となる機械学習の基礎から、説明可能AI、転移学習、特徴量設計などの実践的な技術、さらに第一原理計算や画像解析などの関連技術までを体系的に解説します。また、製造プロセスの最適化、画像による品質検査などの実践事例を通して、理論を実際の課題へ適用するためのポイントを紹介します。
機械学習を「使う」だけでなく、「なぜその手法を選択するのか」「どのような場面で有効なのか」を理解することで、マテリアルズ・インフォマティクスを自社の研究開発や製造現場へ展開するための考え方と実践力を身に付けることを目指します。　初めてMIに取り組む方から、実務で活用を進めている技術者・研究者まで、幅広い方々に役立つ内容となっています。

■受講対象者：
・マテリアルズ・インフォマティクスや機械学習をこれから業務や研究に導入したいと考えている技術者・研究者
・材料開発、製造プロセスの最適化、品質管理・画像検査などにAI・機械学習を活用したい方
・マテリアルズ・インフォマティクスに取り組んでいるものの、データの扱い方やモデル構築・評価方法に課題を感じている方
・機械学習の基礎から実践的な活用方法まで体系的に学びたい方
・材料開発や製造業へのAI・データサイエンスの応用に興味のある方

■必要な予備知識：
・高校卒業程度の数学および理工系の基礎知識。
・機械学習やマテリアルズ・インフォマティクスの予備知識は不要です。
・この分野に興味のある方であれば、どなたでも受講いただけます。

■本セミナーで習得できること：
・マテリアルズ・インフォマティクスおよび機械学習の基礎知識
・マテリアルズ・インフォマティクスで用いられる代表的な機械学習手法の特徴
・機械学習を材料開発・製造業へ適用する際の考え方と留意点
・マテリアルズ・インフォマティクスの代表的な活用事例
・マテリアルズ・インフォマティクス導入に向けた基本的な進め方
など

セミナー内容

１．機械学習の基礎
　1）人工知能と機械学習
　2）機械学習の種類と基本的な流れ
　3）学習データ・検証データ・テストデータの分割
　4）過学習と交差検証
　5）ハイパーパラメータの最適化
　6）精度評価指標
　7）ノーフリーランチ定理
　8）線形回帰からニューラルネットワークまで
　9）深層学習の基礎
　10）データの質と量の重要性
　11）内挿と外挿

２．機械学習の応用技術
　1）教師なし学習
　2）説明可能AI（Explainable AI）
　3）醜いアヒルの子の定理
　4）特徴量エンジニアリング
　5）正則化とデータ拡張
　6）不均衡データへの対応
　7）転移学習
　8）二重交差検証
　9）モデルの適用範囲

３．マテリアルズ・インフォマティクスを支える関連技術
　1）機械学習の適用分野
　2）因果推論の考え方
　3）第一原理計算とマテリアルズ・インフォマティクス
　4）逆問題と最適化
　5）画像解析技術

４．マテリアルズ・インフォマティクスを進めるためのポイント
　1）失敗事例から学ぶ
　2）データ活用人材に求められる役割
　3）「銀の弾などない」の考え方
　4）開発環境の構築と運用

５．マテリアルズ・インフォマティクスの実践事例
　1）添加剤の歩留まり最適化
　2）外観検査への応用
　3）破面解析への応用
　4）第一原理計算からの転移学習
　5）合金組成の最適化

＜質疑応答＞

出典：株式会社情報機構（https://johokiko.co.jp/seminar_chemical/AD261026.php）。掲載は情報機構との提携によります。