実用例を取り混ぜ、実験精度向上に向けた実用的なMIの使い方を詳細解説!
1.マテリアルズ・インフォマティクス(MI)とは?
1-1 MIの背景
1-2 MIがブームになった背景
1-3 MI導入時のポイント
1-4 MI解析の流れ
2.MI人財
2-1 MIに求められる人財
2-2 MIに求められる技術
2-3 人材育成
~MI解析手法~
3.機械学習概要
3-1 機械学習基礎編
a.必須用語
b.機械学習モデル概要
c.機械学習モデルの評価手法
d.データの次元圧縮による可視化
3-2 機械学習応用編
a.特徴量エンジニアリング
b.説明変数選択
c.機械学習モデルのハイパーパラメータの最適化
d.アンサンブル学習
4.最適条件探索手法
4-1 実験計画法
4-2 ベイズ最適化
4-3 遺伝的アルゴリズム
4-4 予測用候補サンプルの作り方
5.ケモインフォマティクス
5-1 化合物データの取り扱い
5-2 構造記述子
5-3 化合物の類似度の計算
5-4 分子構造生成
6.実験的な精度向上に向けて
6-1 複合系のデータの取り扱い
6-2 公共データベース、特許、文献情報の活用
6-3 適用領域(Applicability Domain: AD)
6-4 予測、候補サンプルの選択の仕方
7.画像解析
7-1 MIでよく扱う画像解析の課題点
7-2 画像の前処理
7-3 画像の特徴量抽出、特徴量解析
7-4 パーシステントホモロジー
8.データベース構築
8-1 MI用データベースの作り方
8-2 データベースのMI活用
9.MI知財
9-1 MI特許の動向
9-2 MI特許戦略
9-3 MI特許の権利化
10. 今後のMIトレンドを追う
10-1 量子コンピュータ
10-2 MIロボティクス
10-3 エッジAI、Robotic Process Automation (RPA)の活用
10-4 自然言語処理
10-5 未来予測