マテリアルズ・インフォマティクスにおける統計学的基礎とデータ生成のための計算科学技術【LIVE配信】
※本セミナーはZOOMを使ったLIVE配信セミナーです。会場での参加はございません。

※受付を終了しました。最新のセミナーはこちら

セミナー概要
略称
マテリアルズインフォマティクス【WEBセミナー】
セミナーNo.
210499
開催日時
2021年04月20日(火) 10:30~16:30
主催
(株)R&D支援センター
問い合わせ
Tel:03-5857-4811 E-mail:info@rdsc.co.jp 問い合わせフォーム
価格
非会員:  55,000円 (本体価格:50,000円)
会員:  49,500円 (本体価格:45,000円)
学生:  55,000円 (本体価格:50,000円)
価格関連備考
会員(案内)登録していただいた場合、通常1名様申込で55,000円(税込)から
 ★1名で申込の場合、49,500円(税込)へ割引になります。
 ★2名同時申込で両名とも会員登録をしていただいた場合、計55,000円(2人目無料)です。
■会員登録とは? ⇒ よくある質問
備考
資料付【PDF配布】

【Zoomを使ったWEB配信セミナー受講の手順】
1)Zoomを使用されたことがない方は、こちら からミーティング用Zoomクライアントを
  ダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
2)セミナー前日までに必ず動作確認をお願いします。Zoom WEBセミナーのはじめかたに
  ついては こちら をご覧ください。
3)開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始
  10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加
  ください。

・セミナー資料は開催前日までにお送りいたします。
 無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
講座の内容
受講対象・レベル
材料開発に従事している研究者・技術者
必要な予備知識
特に予備知識は前提としませんが、大学教養程度の数学(微分積分・線形代数・統計学)・物理学・化学の知識があると、理解が深まると思います。
習得できる知識
マテリアルズ・インフォマティクスの基礎と応用を理解できる。
特に、データ駆動型物質探索のための統計学的基礎と、データ生成のための計算科学について理解できる。
趣旨
材料科学とデータ科学の融合展開である「マテリアルズ・インフォマティクス(MI)」研究は、米国「Materials Genome Initiative」の発足以来、10年の節目を迎え、技術的には基礎研究の段階を経て、実践段階に至っている。本セミナーでは、MI研究の要素技術としての機械学習やベイズ統計の基礎と、第一原理計算によるデータ生成に基づく第一原理MI研究の事例を紹介する。
プログラム

1. マテリアルズ・インフォマティクス(MI)概観
 1-1. インフォマティクス/AI分野の発展
 1-2. マテリアルズ・インフォマティクスとは何か?
  1-2-1 研究分野の動向/研究拠点
  1-2-2 インフォマティクスの成功事例/触媒探索/マテリアル・レポジショニング
  1-2-3 コンピュータによる物質探索/ベイズ統計
  1-2-4 MI研究分野の研究事例/ハイスループットヴァーチャルスクリーニング
  1-2-5 MI研究分野の研究事例/ベイズ探索
  1-2-6 インフォマティクスだけで十分か?/データの問題:量と質
 1-3. データ生成エンジンとしてのシミュレーション
  1-3-1 スパコン:シミュレーション研究のための必須アイテム
  1-3-2 物質科学シミュレーションの階層性/連続体系・分子系・電子系
  1-3-3 第一原理計算とは何か?
  1-3-4 第一原理計算研究の研究事例/電子物性、フォノン(熱)物性

2. MI研究の基礎
 2-1. 科学とインフォマティクス
 2-2. MI研究における究極の目標:コンピュータによる物質探索
  2-2-1 問題設定:化合物空間/未知化合物の数
  2-2-2 シミュレーションだけで新規物質を探索できるか?
  2-2-3 順問題と逆問題
 2-3. MI研究の道具立て
  2-3-1 機械学習/物性予測モデル
  2-3-2 機械学習における内挿性と外挿性
  2-3-3 物性予測モデルとしての機械学習とシミュレーション
  2-3-4 MIにおける機械学習
  2-3-5 物性構造相関/物性予測モデル
 2-4. 物質記述子
  2-4-1 化学情報/組成情報/フィンガープリント
  2-4-2 計算科学記述子
 2-5. 教師あり学習
  2-5-1 回帰モデル
  2-5-2 学習モデルの性能
 2-6. 回帰学習の応用としてのハイスループットヴァーチャルスクリーニング
 2-7. 転移学習:少数データの高性能機械学習
 2-8. MI研究における機械学習の適用事例/教師なし学習
 2-9. 逆問題としての物質探索
  2-9-1 MI研究におけるベイズ統計
  2-9-2 ベイズ最適化:コンピュータ上での実験計画法
  2-9-3 ベイズ構造探索:尤度関数と事前確率、ベイズ反転、事後確率
  2-9-4 ベイズ構造探索の実装:物質表現/SMILES形式、自然言語処理に基づく化合物生成
  2-9-5 ベイズ構造探索の実例:ポリマー探索
 2-10. マテリアルズ・インフォマティクスを始めるために/Pythonプログラミング環境/ライブラリ

3. 第一原理計算の基礎
 3-1. 第一原理計算を始める前に/注意事項:第一原理計算は難しい?
 3-2. シミュレーションにおける第一原理計算の位置づけ/階層性
  3-2-1 第一原理計算の各種方法論/密度汎関数法、分子軌道法、量子モンテカルロ法
  3-2-2 階層的計算科学の関連性/第一原理計算はどのように使われるか?
  3-2-3 第一原理計算の問題構造/何を入力情報として、どんな結果が得られるか?
 3-3. 基礎方程式の解き方/数理
  3-3-1 変分原理と近似方策;固有値問題:波動関数とエネルギー固有値
  3-3-2 近似法:多体問題から一体問題へ/基礎方程式は厳密に解けない
 3-4.分子軌道(Hatree-Fock; HF)法の実際/基底関数展開
  3-4-1 電子状態計算の出力/軌道関数・軌道エネルギー
  3-4-2 電子状態の規定/分子軌道の占有方法/フントの規則
  3-4-3 HF法の限界/電子相関
  3-4-4 HF法の改良方策/多体波動関数近似の改良
 3-5. 密度汎関数法(DFT法)とは?
  3-5-1 DFT法の要点/面倒な定理は一旦忘れて、本質は何か?
  3-5-2 交換相関汎関数とは何か?/そのバリエーションと階層性(ヤコブの梯子)
  3-5-3 交換相関汎関数の違いによる理論予測の齟齬
  3-5-4 DFT法の問題点:磁性、分子間力、励起状態の問題
 3-6. 量子モンテカルロ(QMC)法とは?/QMC法の種類:VMC法とDMC法
  3-6-1 DMC法のアイディア/どうして高精度計算が実現されるか?
  3-6-2 DMC計算の実際/コンピュータ上での実装
  3-6-3 DMC計算例/厳密な数値解
  3-6-4 大規模スパコン上での並列計算効率
 3-7. 第一原理計算手法のまとめ
  3-7-1 計算スペックのまとめ
  3-7-2 第一原理計算を始めるために/注意点、利用可能なソフトウェアと計算環境
 3-8. 第一原理MI研究に向けて/まとめ
 

キーワード
マテリアルズインフォマティクス, 第一原理計算,量子モンテカルロ法,セミナー,研修,講習
関連するセミナー
関連する書籍
関連する通信講座
関連するタグ
フリーワード検索