アイクリスタル(株)　取締役 技術統括　関 翔太　氏

積水化学工業(株)　先進技術研究所　情報科学推進センター　センター長　兼　MI推進グループ長　新明 健一　氏

２０２５年１月２４日（金）１０：００〜１６：１５

Zoomを利用したLive配信　　※会場での講義は行いません
　セミナーの接続確認・受講手順は「こちら」をご確認下さい。

聴講料 1名につき６０,５００円（消費税込/資料付き）
〔１社２名以上同時申込の場合のみ１名につき５５,０００円〕
〔大学、公的機関、医療機関の方には割引制度があります。詳しくは上部の「アカデミック価格」をご覧下さい〕

【第１部】 プロセスデータ解析とベイズ最適化の活用

アイクリスタル(株)　取締役 技術統括　関 翔太　氏

【講座主旨】

製造業や科学技術の分野において、ここ数年でDXの進展やマテリアルズインフォマティクス(MI)の浸透など、AIを含む情報技術の活用がかなり進んできました。しかし、DXによって知見が体系的にデータ化されたが活用の仕方がわからない、MIでいい特性を持つ材料が見つかったが合成できないなど、データからの価値創出までのギャップがある例がまだまだ少なくありません。本セミナーでは製造業においてデータを活用し実際にいいものを効率よく作るための技術「プロセスインフォマティクス」を解説します。特に、データの取得コストが高い場合に有効な適応的実験計画法としてベイズ最適化について重点的に解説します。
第一部である本講演では、プロセスデータ解析の全体像を俯瞰したのち、本セミナーの主題であるベイズ最適化について基礎から解説いたします。「機械学習とは？」というレベルから確率的な予測モデルに基づいて次の実験条件を決定していく方法論までを丁寧に解説し、第二部以降のための土台を固めます。

【講座内容】

１．プロセスインフォマティクスの概要
　1.1. プロセスインフォマティクスとは何か
　1.2. プロセスインフォマティクスにおけるベイズ最適化

２．ベイズ最適化の基礎
　2.1. 機械学習の初歩
　2.2. 線形回帰とガウス過程回帰
　2.3. 逆問題と最適化

３．ベイズ最適化による適応的実験計画
　3.1. 獲得関数に基づく実験条件決定
　3.2. ベイズ最適化による逐次最適化
　3.3. ベイズ最適化の事例と実装方法

【質疑応答】

---------------------------------------
◆講師プロフィール◆

専門分野：
結晶成長プロセス解析

略歴・活動など：
著書など 2020年5月よりアイクリスタルにてAIエンジニアとして様々な製造プロセスの最適化を実施。同年8月に取締役就任。製造業向けAI教育事業の立ち上げも担当。大学院における研究テーマは第一原理計算を用いた半導体結晶成長機構の解析や機械学習とCFDを組み合わせた結晶成長のモデリングおよび成長条件の最適化。

【第２部】 プロセスインフォマティクスの反応プロセス制御への活用

積水化学工業(株)　先進技術研究所　情報科学推進センター　センター長　兼　MI推進グループ長　新明 健一　氏

素材・材料開発における反応プロセス制御は、材料開発において高品質な製品を効率的に生産するために欠かすことのできない重要な要素である。反応プロセス制御は、材料の化学反応や物理的変化を適切に制御し、理想的な材料特性を作りこむための技術であり、材料開発の効率化、製品の品質向上、品質ばらつきの低減、生産コストの削減に直結する。反応プロセスは、原料の種類や投入手法、反応条件など多くの制御因子が互いに複雑に関係しあっており、適切な制御は容易ではない。従来の原因解明型の管理方法では、課題の再発や新たな課題の発生が避けられないことが多く、これを解決するためにインフォマティクス技術の活用が進められている。
本講演では、当社が実際に取り組んだ反応プロセス制御の事例を紹介し、反応プロセスにおけるデータ可視化の重要性やデータ解析の手法などの具体的な進め方について説明する。また、世界中で活発に取り組みが進められている実験自動化・自律化への期待とその実現に向けた当社の取り組みについても紹介する。

【講座内容】

１．はじめに
　・当社R&Dの目指す姿
　・素材・材料開発へのインフォマティクス活用とその期待

２．反応制御におけるインフォマティクス活用
　・材料開発における反応プロセス制御の重要性
　・反応プロセス制御の課題とインフォマティクス活用

３．事例から見る反応プロセスへのインフォマティクス活用
　・テーマ概要　複数の反応プロセスからなる原料の品質設計
　・データ可視化の重要性
　・データ解析は反応プロセスのどこまで考慮するか
　・反応プロセスを制御するための特徴量側の工夫

４．実験自動化の現状と期待
　・実験自動化・自律化へ期待すること
　・MIと実験自動化の融合による自律的な開発サイクル

まとめ

【質疑応答】

---------------------------------------
◆講師プロフィール◆

専門分野：
触媒材料設計、実験計画法

略歴・活動など：
2008年に積水化学工業（株）に入社し、燃料電池、リチウムイオン二次電池の研究開発に従事。実験計画法、品質工学を導入し開発の加速を実践。2015年より2年間、社命によりアメリカのミズーリ大に派遣され、CO2資源化に関する触媒開発に従事した。帰国後は、触媒材料開発のハイスループット化、統計解析を進め、開発チームへのMIの導入を先導した。2020年より、情報科学推進センター MI推進グループのグループ長として、全社開発テーマへのMI活用を推進している。2024年から、情報科学推進センター　センター長を拝命し、全社開発Dxの推進を先導。

【第３部】 機械学習やロボットを活用した自律実験システムの設計・実装

東京大学　理学系研究科化学専攻　特任助教　小林 成　氏

進展の著しい情報科学やロボットを物質科学へ活用する試みが世界中で急速に広まっている。物質合成や計測をロボットで自動化し、機械学習等を用いた推論と組み合わせることで、実験研究の自律化(自律実験)が可能となる。このような研究展開において重要なのは、適切な課題設定とアプローチであると考えている。本講座では、実際の事例を踏まえながら、自律実験システムの構築について説明します。

【講座内容】

１．物質科学研究の潮流

２．自律実験の概要
　2.1 実験の自律化とは
　2.2 自律実験の適用事例(1)
　2.3 自律実験の適用事例(2)

３．自律実験システム構築の勘所
　3.1 ハードウェア
　3.2 ソフトウェア
　3.3 自律実験に適した物質・プロセス

４．まとめ

【質疑応答】

---------------------------------------
◆講師プロフィール◆

専門分野：
表面・界面化学、Li電池、マテリアルズインフォマティクス

略歴・活動など：
2022年　東京工業大学　博士課程修了（博士（工学））
2022-2023年　東京工業大学　物質理工学院　助教
2024年- 現職