|
【こんな方にオススメです】
材料DX、マテリアルズ・インフォマティクス、ケモンインフォマティクスなど、インフォマティクスに興味のある研究開発企画、技術企画、新事業企画などの担当者（材料系の研究系・技術系）
【受講後、習得できること】
・機械学習の基礎：分類と回帰
・スパースモデリングやベイズ最適化の基礎
・ベイズ推論、深層学習や大規模言語モデルを複合させた材料DX
・新規材料・物質の探索、開発への応用方法のための事例
【講座概要】
近年、人工知能(AI)が新聞やメディアなどで多く報道され、その応用先は爆発的に広がりを見せています。特にこのAI技術を日本の基盤産業である素材産業においても適用するマテリアルズ・インフォマティクスや材料DXは、研究機関だけでなく、民間企業においても注目を集めており、研究者・開発者は個々に材料開発にAIを取り入れるとともに、材料DXを実現することが求められています。
そこで本講演では、機械学習の基礎からはじめ、材料DXに必要な技術となるスパースモデリングやベイズ最適化の基礎について講義します。また、これらの基礎的な技術を、どのように実際の現場で活かすのかを事例紹介するとともに、その事例紹介を通して、ベイズ推論、深層学習や大規模言語モデルを複合させた材料DXについて講義します。
こうした取り組みを交えることで、研究者・開発者の能力を拡張するための機械学習の実践と材料DXへの展開を学んでもらえればと思っています。
【講演項目】
１．材料DXへの展開のための機械学習の基礎(1)
1.1 データ駆動科学とスパースモデリング
1.2 機械学習の基礎:分類と回帰
1.3 スパースモデリングの基礎
1.4 スパースモデリングの人工データによる実践(python)
２．材料DXへの展開のための機械学習の基礎(2)
2.1 ベイズ推論の基礎とスパースモデリングへの展開
2.2 ガウス過程回帰とベイズ最適化
2.3 深層生成学習による低次元潜在空間の抽出
2.4 大規模言語モデルと材料DX
３．スパースモデリングによるマテリアルズ・インフォマティクス
3.1 マテリアルズ・インフォマティクスとスパースモデリング
3.2 リチウムイオン電池の電解液材料探索への応用
3.3 高収率なナノシート合成開発への応用
3.4 スパースモデリングのための大規模言語モデルの活用
3.5 大規模言語モデルによる自動ロボット実験の展開
【質疑応答】
|
