2025年09月30日（火）
10:30～16:30
Tel：03-5857-4811 E-mail：info@rdsc.co.jp
問い合わせフォーム
統計数理研究所 先端データサイエンス研究系 マテリアルズインフォマティクス研究推進センター 木野 日織 氏
【略歴】
1991年 東京大学理学部物理学科卒 1996年 東京大学大学院理学系研究科博士課程卒（理学博士）
1996年 東京大学物性研究所物性理論部門助手などを経て2002年から（国）物質・材料研 究機構、
2024年3月から統計数理研究所 先端データサイエンス研究系 マテリアルズインフォマティクス研究推進センター（教授）勤務． APS Outstanding Referee（米国物理学会）、JPSJ Outstanding Referee（日本物理学会）としても表彰される。
2015年からの国立研究開発法人科学技術振興機構（JST）イノベーションハブ構築支援事業 の一環として（国）物質・材料研究機構に情報統合型物質・材料開発イニシアティブ(MI2I) 発足時からマテリアルズインフォマティクスを行う．
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）
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。
※LIVE配信とアーカイブ配信（見逃し配信）両方の視聴を希望される場合
お一人様につき、追加料金11,000円（税込）にてお申込みいただけます。
メッセージ欄に「LIVEとアーカイブ両方視聴」と明記してください。
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。
・資料付（PDFデータでの配布）
※紙媒体での配布はございません。
※資料の無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。
【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。
マテリアルズインフォマティクスに取り組みたいが、プログラミングに不安がある方
Pythonを活用した材料データ解析に興味がある方
ChatGPTなどの大規模言語モデルを研究・学習に活用したい方
材料科学と情報科学の融合に取り組みたい初学者〜中級者
特に予備知識は必要ありませんが、Pythonの基本文法（変数定義、関数、ループ処理など）を理解していることが望ましい。
セミナーではPythonスクリプト例を提供します。セミナー時には時間的制約のため各自がPythonスクリプトを実行する時間を設けませんが、スクリプト例を実行するには、以下の技術的な準備・知識が必要となります：
• ご自身のPCまたはクラウド環境上に、Python（3.x）環境を構築できること
• scikit-learn および PyTorch（torch） を pip 等でインストールできること
• Jupyter notebookもしくはJupyter labを実行できる方
得られる知識・スキル
• マテリアルズインフォマティクスの基礎的な概念と活用事例
• Pythonを用いた材料データの前処理・分析・可視化の基本手法
• scikit-learn、Ｐｙｔｏｒｃｈを用いた機械学習モデルの構築と評価
• ChatGPTなどの大規模言語モデル（ＬＬＭ）を活用したコード生成の支援方法
実務での活用例
• 材料物性や実験データの解析・可視化
• 教師あり学習による構造–物性の予測モデルの構築
• LLMを用いたコード生成とコードの理解
• LLMの教育ツールとしての活用
本セミナーでは、マテリアルズインフォマティクス（MI）をテーマに、Pythonによるデータ解析や機械学習の基礎から、ChatGPTに代表される大規模言語モデル（LLM）の活用方法までを、視覚的なデモや具体的な事例を通じて学びます。受講者によるコードの実行は行いませんが、LLMを用いたコード生成の流れや、個人チューターとしての活用方法を紹介し、AIとの協働スタイルを体感していただける構成です。さらに、近年注目されるディフュージョンモデルといった生成的手法、LLMによる研究支援の展望にも触れ、MIの新たな可能性を探ります。あわせて、LLMの出力の信頼性や限界についても触れ、技術の活用と批判的理解の両面から考察します。受講後は、ご自身の研究・実践・学習において、LLMやPythonをどのように活かせるか、そのヒントを得ていただけるはずです。
1. 基礎編：マテリアルズインフォマティクスと機械学習の基礎
1-1. 予測問題とは
支配法則がある世界 vs 支配法則がない世界
1-2. 機械学習の基本的枠組み
（1）教師あり学習
回帰と分類の違い、訓練データ、テストデータの分割と交差検定
（2）教師なし学習
次元圧縮、クラスタリング
1-3. 大規模言語モデル（LLM）の活用
LLMを用いた知識検索・取得とコード生成とコード説明
1-4. 生成モデル
オートエンコーダーからディフュージョンモデル（拡散モデル）まで
2. 応用編：マテリアルズインフォマティクスへの実装と発展的手法
2-1. ベイズ最適化
2-2. 説明変数の重要度評価
2-3. 推薦モデル
3. 展望編：LLMとマテリアルズインフォマティクスの未来
LLMを活用したMI研究・MI探索システムの将来像
マテリアルズ・インフォマティクス,Python,AI,機械学習,講演,セミナー,研修
