３．

【習得できる知識】
　 本講演では、蓄電材料研究に対するマテリアルズ・インフォマティクスとして重要な計算データ生成を高速に実施するための、機械学習ポテンシャルについて、その基礎と、イオン拡散現象シミュレーションへの応用について解説します。また、数理科学の一種である渋滞学との連携による新しい試みについても紹介します。

【講座の趣旨】
　 本講座は、機械学習ポテンシャルに興味はあるが、まだ利用に至っていない研究・開発者の方に技術的な概要を解説すること、また活用する中で疑問点等をもった方の疑問にお答えすることを目的としています


1．マテリアルズ・インフォマティクス入門
　1.1　情報科学活用の世界的な草分け
　1.2　情報科学×物質科学
　1.3　データ駆動科学に基づいた材料研究・開発
　1.4　情報処理の基本的な流れ
　1.5　物質・材料データの特徴
　1.6　自律・自動実験装置の開発
　1.7　計算＋AI＋自動実験
　1.8　密度汎関数法によるデータ生成
2　物質・材料計算シミュレーション
　2.1　Interatomic Potentials
　2.2　ポテンシャルのパラメータ決定
　2.3　逆問題からフィッティングへ
　2.4　ニューラルネットワーク
　2.5　ニューラルネットワークによるフィッティング
　2.6　機械学習ポテンシャル
　2.7　NNフィッティングの諸問題
　2.8　汎用NNPの構成方法
3　学習データサンプリング
　3.1　冗長データの削減
　3.2　モデル信頼性の評価
　3.3　自己学習モンテカルロ法
　3.4　既存の大規模データベース活用
4　アモルファス中のイオン拡散経路探索
　4.1　何を機械学習で解決するか？
　4.2 スケールアップ戦略
　4.3　拡散係数の精度評価
　4.4　緩やかなメルト・クエンチ法による構造作成
　4.5　大規模なフォノン計算
　4.6　密度と組成変化への対応
5　イオンの流れを「渋滞」に見立ててみたら？
　5.1　渋滞学と物質科学の融合
　5.2　機械学習MDによる集団運動の理解
　5.3　ASEPによる格子上の拡散モデル
　5.4　自発的な密度分離と熱揺らぎによる解消

【質疑応答】

【講座趣旨】
　MIに不可欠なCIFのデータ加工によく使われるPymatgenの使い方をXRDシミュレーションを通じて学び、また、MIでよく使われる畳み込みニューラルネットワークの基礎と応用を学ぶ。

１．データ加工
　1.1　PymatgenによるCIFの読み込み
　1.2　XRDシミュレーション
２．MNISTを用いた文字認識
　2.1　畳み込みニューラルネットワーク
　2.2　学習プロセス、予測
３．畳み込みニューラルネットワークの応用
　3.1　XRDパターンからの空間群予測

【質疑応答】

１．蓄電池開発状況
　1.1　リチウムイオン電池開発の現状
　1.2　次世代蓄電池開発の世界的動向

２．電池材料のデータ駆動型探索と実験自動化
　2.1　正極材料
　2.2　負極材料
　2.3　固体電解質材料
　2.4　 液体電解質材料

３．液体電解質材料探索の実験自動化ロボット
　3.1　実験自動化ロボットに期待すること
　3.2　マイクロプレートを用いた電池材料評価
　3.3　大量の実験データの取り扱い方
　3.4　探索実施例の紹介
　3.5　 添加剤の協調効果により 形成された電極界面被膜の解析

４．実験自動化ロボットを用いたデータ駆動型電解液探索
　4.1　探索の進め方について
　4.2　データ科学的手法の適用

【質疑応答】

【15:30-17:00】

４．新規リチウムイオン二次電池有機電極活物質の性能予測と探索

慶應義塾大学 理工学部　応用化学科　准教授　博士(工学)　緒明 佑哉 氏

【習得できる知識】
　有機リチウムイオン二次電池に関する動向、物質探索のためのマテリアルズインフォマティクスの活用

【講座趣旨】
　 研究室内の独自の測定データや文献で報告されている値をもとにした小規模データセットから、機械学習によるスパースモデリングと研究者の経験・考察を融合し、性能予測モデルを構築することで、新規な電極活物質となる化合物を発見した

１．有機リチウムイオン二次電池
２．有機正極活物質
３．有機負極活物質
４．マテリアルズインフォマティクス（MI）
５．小規模データ
６．実験主導MI
７．スパースモデリングと線形回帰
８．性能予測モデル
９．新規物質探索
　

【質疑応答】