2024年05月27日（月）
13:00～16:00
Tel：03-5857-4811 E-mail：info@rdsc.co.jp
問い合わせフォーム
国立研究開発法人物質・材料研究機構
マテリアル基盤研究センター 主任研究員 博士（理学）
永村 直佳 氏
【ご専門】
表面・界面科学、顕微分光分析、放射光分析、オペランド分析
【ご略歴】
2011-2013 東大工学部 博士研究員
2013-2018 東北大多元研 助教
2015-現在 物質・材料研究機構
2017-2024 JSTさきがけ研究者（マテインフォ領域・反応制御領域）
2020-現在 東京理科大学 先進工学部 客員准教授
【学協会役員】
応用物理学会 薄膜・表面物理分科会幹事
日本表面真空学会 関東支部役員・放射光表面研究部会幹事
SPring-8ユーザー協同体 企画幹事
日本学術振興会産学連携委員会R031委員会 材料分野副査
-----------------------------------------------------------------------------
東京工業大学
科学技術創成研究院 化学生命科学研究所 准教授 博士（理学）
安藤 康伸 氏
【ご専門】
計算物質科学、表面・界面科学、マテリアルズ・インフォマティクス
【ご略歴】
2012年03月 東京大学 大学院理学系研究科 物理学専攻博士後期課程修了. 博士(理学).
2012年04月〜2013年04月 産業技術研究所 産総研特別研究員.
2013年05月〜2013年04月 東京大学大学院 工学系研究科マテリアル工学専攻 助教
2016年04月〜2018年09月 産業技術総合研究所 研究員.
2018年10月〜2013年04月 同所 主任研究員.
2022年07月〜 早稲田大学 先進理工学部 客員准教授
2024年より現職
【学協会役員】
2015年04月 公益財団法人 新世代研究所 界面ナノ科学研究会 会員（現職）
2015年06月 NPO法人 Class for Everyone 理事（現職）
2017年04月 日本表面真空学会 データ駆動表面科学部会 幹事
(2019.04 より副部会長, 2021.04 より部会長）
2018年01月ドイツ フリッツ・ハーバー研究所 客員研究員（2018.07 任期満了）
2018年10月 Sci. Tech. Adv. Mater. 分野別編集委員（2024.03 任期満了）
2021年01月 Sci. Tech. Adv. Mater. Meth. 編集委員
非会員：
49,500円
（本体価格：45,000円）
会員：
46,200円
（本体価格：42,000円）
学生：
49,500円
（本体価格：45,000円）
会員（案内）登録していただいた場合、通常1名様申込で49,500円（税込）から
・1名で申込の場合、46,200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、
49,500円（1名当たり
24,750円）（税込）です。
●
10名以上で同時申込されるとさらにお得にご受講いただけます。●
お申込みご希望の方は
【こちら】からお問い合わせください。
会員登録とは？ ⇒
よくある質問
30名 ※現在、お申込み可能です。満席になり次第、募集を終了させていただきます。
【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。
分析業務・データ解析業務に携わる技術者、分析業務・データ解析業務におけるDX推進を検討している技術者など。
・スペクトルデータを中心とした計測データを、
機械学習を活用して、専門知識や熟練技術なしで自動的に解析する手法を習得できる。
・どのような事例でインフォマティクス手法を適用することが有効か、具体例から学べる。
材料分析にあたり、計測データとしてスペクトルが得られる実験手法は、XPS、Raman、FT-IR、STEM-EELS、XRD、と枚挙にいとまがない。マッピング計測やオペランド分析などにより計測データが膨大化する一方、スペクトル解析は前提知識を要し、時間がかかることが多い。労働人口も減少する中で、現状より圧倒的に高効率なデータ解析手法が求められる。近年ではインフォマティクスの知見を導入した分析実験のDX化が提唱されている。
そこで講演者らは、機械学習を活用して、高速かつ属人性が低いスペクトル自動解析Pythonパッケージ”EM Peaks”の開発を進めている。
本セミナーでは、この”EM Peaks”を使ったデータ解析のデモンストレーションを通して、スペクトルのピークフィッティング処理などに機械学習を取り入れることの有用性を実感していただき、取り入れ方についても解説する。受講者が各自持っているデータセットへ適用しやすいように、具体的な応用事例も豊富に紹介する。
１． 計測インフォマティクスの基礎
1-1. 計測インフォマティクスとは
1-2. スペクトルデータの機械学習解析～実験家の視点から～
1-3. “EMPeaks”について
２． データ解析に必要なアルゴリズムとデータ解析環境
2-1. スペクトルデータ解析の現場が抱える課題と理論からの視点
2-2. データ分類と低次元化の有用性
2-3. 非線形最小二乗法と最尤法
2-4. “EMPeaks”のアルゴリズム（EMアルゴリズム）
2-5. “EMPeaks”の利用環境（Python実行環境）
３． スペクトルデータ解析の具体例と実演
3-1. XPS
(1) 走査型顕微光電子分光(SPEM)
(2) EMPeaksを使用したXPSスペクトルの解析実演
3-2. Raman
(1) EMPeaksを使用したRamanスペクトルの解析実演
3-3. RHEED
(1) RHEED回折パターンの輝度ヒストグラム解析
(2) リアルタイム解析
3-4. スペクトルデータのクラスタリング
【質疑応答】
計測インフォマティクス,スペクトル解析,機械学習,EMPeaks,データ解析,セミナー
