1. ホーム
  2. セミナー
  3. マテリアルズインフォマティクスの動向と少ないデータへの適用事例【LIVE配信】

★データの規模が小さい、データが集まりにくい、どのように機械学習を使えばよいのか？MIを上手に活用するための必須講座です！

マテリアルズインフォマティクスの動向と少ないデータへの適用事例【LIVE配信】
～実験科学者の少ないデータを活かす事例をご紹介～

【アーカイブ配信：3/2～3/6】の視聴を希望される方は、マテリアルズインフォマティクス【アーカイブ配信】からお申し込み下さい。

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.
260255
開催日時
2026年02月26日（木） 13:00～16:30
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
開催場所
【WEB限定セミナー】※会社やご自宅でご受講下さい。　
講師
慶應義塾大学　理工学部　応用化学科　教授　博士（工学）　緒明 佑哉　氏

＜ご専門＞
　高分子材料・二次元材料・共役高分子・マテリアルズインフォマティクス

＜学協会＞
　日本化学会・高分子学会・日本セラミックス協会

＜ご略歴＞
　学歴
　2002年3月　慶應義塾大学　理工学部　応用化学科　卒業
　2006年3月　慶應義塾大学　大学院理工学研究科　総合デザイン工学専攻
　　　　　　　後期博士課程修了　博士（工学） 取得
　主な職歴
　2007年4月　日本学術振興会　特別研究員(PD)
　　　　　　　研究機関：東京大学　大学院工学系研究科
　2009年4月　慶應義塾大学　理工学部　応用化学科　助教
　2012年4月　同　専任講師
　2016年4月　同　准教授
　2016年10月～2020年3月　JSTさきがけ研究者（兼任）
　2018年8月～2020年7月　文部科学省研究振興局　学術調査官（兼任）
2023年4月～現在　同教授
価格
非会員：  49,500円 （本体価格：45,000円）
会員：  39,600円 （本体価格：36,000円）
学生：  49,500円 （本体価格：45,000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49,500円（税込）から
　・1名で申込の場合、39,600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49,500円（2人目無料）です。
会員登録とは？　⇒　よくある質問

ライブ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は、会員価格で1名につき49,500円（税込）、2名同時申込で55,000円（税込）になります。お申し込みフォームのコメント欄に「ライブとアーカイブ両方視聴」とご記入下さい。
定員
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。
備考
・本セミナーは「Zoom」を使ったLIVE配信セミナーです。【アーカイブ配信：3/2～3/6】の視聴を希望される方は、マテリアルズインフォマティクス【アーカイブ配信】からお申し込み下さい。

・セミナー資料は事前にPDFでお送りします。紙媒体では配布しません。
セミナー資料の無断転載、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下さい。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下さい。セミナー開始直前のトラブルについては対応いたしかねますのでご了承下さい。

３．開催日の数日前に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下さい。
講座の内容
受講対象・レベル
・自社内の小規模データを活用したいと思われている方
・機械学習は複雑で難しいと思われている方
・社内のMI導入がうまく進まずに困っている方
・社内へMIの導入について調査・検討されている方
・実験科学者で機械学習やMIとはこれまで縁が無かった方
習得できる知識
・小規模データへの機械学習の適用方法
・物質探索やプロセス最適化や性能向上のための予測モデル構築方法
・研究者／技術者の熟練の知恵と機械学習の融合方法
趣旨
　マテリアルズインフォマティクス(MI)は、近年、急速に進展し、産官学にわたり多くの成功事例が報告されるようになるとともに、いくつかの課題が見えてきました。そのひとつは、実際の物質・材料を合成でき、自前のデータや経験と勘を持った実験科学者がどのようにMIを活用するかです。データの規模が小さい、データが集まりにくい、どのように機械学習を使えばよいのかといった点で、実験科学者には手段としてのMIが十分に浸透していません。
　本講座では、実験科学者である我々の研究グループで行った、小規模データへの機械学習の効果的活用によるMIの研究事例について紹介します。特に、小規模データに対しては、研究者の経験・勘・知見・考察が重要であることがわかってきました。具体的には、ナノシート材料の収率や高分子材料の電気化学特性を向上させた事例を中心に、MIの活用方法について紹介したいと思います。
　
プログラム

1．マテリアルズインフォマティクス（MI）に関する背景と最新動向
　1-1．MIへ期待されていること
　1-2．MIのはじまり
　1-3．MIでできることとできないこと
　1-4．MIの先端的な取り組み事例
　1-5．MIのこれからの課題
　1-6．MIの小規模データへの適用は可能か

2．MIを活用したプロセス最適化事例：ナノシート収率の向上
　2-1．MIを導入した系の紹介
　2-2．データセットの準備
　2-3．研究課題の機械学習可能な問題への変換
　2-4．機械学習
　2-5．予測モデル構築
　2-6．予測モデルを活用した高効率実験

3．MIを活用した物質探索事例：高性能な新規リチウムイオン二次電池有機負極の探索
　3-1．MIを導入した系の紹介
　3-2．データセットの準備
　3-3．機械学習
　3-4．予測モデル構築
　3-5．モデル構築の失敗事例とそこからの学び
　3-6．予測モデルを活用した高効率実験

4．小規模・実験データへのMIの適用についてまとめ
　4-1．実験主導MIの位置づけ
　4-2．問題設定とデータセットの準備
　4-3．機械学習と経験・勘・考察の活用によるモデル構築
　4-4．高効率な実験へ 
　4-5．DXとの融合

5．おわりに（研究者の本音や質疑応答）

キーワード
マテリアルズインフォマティクス、機械学習、リチウムイオン電池、実験、データ、AI、人工知能
関連するセミナー
関連する書籍
関連するタグ
フリーワード検索
カテゴリ別検索
カテゴリ別検索