マテリアルズ・インフォマティクスの活用事例

第1部 マテリアルズ・インフォマティクスを用いた材料開発技術

(2019年2月22日 10:00〜11:20)

1. マテリアルズ・インフォマティクスについて
2. 機械学習の応用事例1-コンビナトリアルデータ解析技術
   1. コンビナトリアル技術とは
   2. 教師なし学習
   3. 実際の解析例
3. 機械学習の応用事例2-物性モデル構築技術
   1. スピン熱電材料
   2. High-throughput実験
   3. High-throughput第一原理計算
   4. 教師あり学習FAB/HMEs (Explainable AI)
   5. 実際の材料開発例
4. 機械学習の応用事例3-材料スクリーニング技術
   1. 教師あり学習 ベイズ最適化
   2. ゲームツリー
   3. 実際の材料探索例
5. 最後に
• 質疑応答

第2部 マテリアルズ・インフォマティクスの活用方法

(2019年2月22日 11:30〜12:50)

　計算科学 (数値シミュレーション) によって未経験領域のデータ (設計変数と目的変数) も計画的に取得できます。一方、データ科学を利用すると、データから設計開発に役立つ情報を探索できます。すなわち、データ科学と計算科学を上手く活用することで、現在の開発対象だけではなく今後の開発戦略にも役に立つ情報の発見が期待できます。本講演では、データ科学と計算科学と人との協奏によるマテリアルズ・インフォマティクスの活用方法について、ゴム材料開発への活用事例を交えて紹介します。合わせて、重要な因子である人の思考の特徴についても言及します。

1. インフォマティクスを活用した設計開発
   1. データ科学と計算科学と人との協奏
   2. インフォマティクスを活用した設計開発の手順
   3. 設計開発における機械学習の役割
2. マテリアルズ・インフォマティクスの活用事例
   1. マテリアルズ・インフォマティクスとは
   2. ゴム材料の特徴 (モルフォロジーと物性)
   3. 特徴量としてのモルフォロジー
   4. 問題設定と実行手順
   5. 機械学習による設計指針の発見
3. 人の思考の特徴
   1. 二重システム理論
   2. ヒューリスティックスとバイアス
4. まとめ
• 質疑応答

第3部 データ駆動型物質設計・材料開発の展望

(2019年2月22日 13:30〜14:50)

　システムやデバイスの性能やスペックを飛躍的に向上させる新規材料の開発が求められる一方で、材料開発にかかる期間は長く、開発コストは依然として大きい。近年注目されている材料インフォマティクスは、従来のカン・コツではなく、膨大なデータとその機械学習により、適切な材料を短時間に提案する手段として期待されている。講座では、材料インフォマティクスの概要と世の中の研究動向についてレビューをした後、講師が取り組んできたデータ駆動型物質設計・材料開発について紹介する。特に、材料インフォマティクスを有効に活用し機能させるために開発してきた要素技術とそれを応用した実例について紹介する。最後に、材料インフォマティクスの将来展望について講師の所感を述べる。 　材料インフォマティクスの概要や世の中の研究動向、および、講師が取り組んできたデータ駆動型物質設計・材料開発の紹介をします。講座を通じて、材料開発を加速化するためのアイディアを少しでも提供できれば幸いです。

1. 材料インフォマティクスの基礎知識
   1. 概要
   2. 世の中の動向
   3. 要素技術
2. 計算技術の活用
   1. ハイスループット計算手法
   2. 触媒への応用
3. ハイスループット実験の活用
   1. ハイスループット実験手法
   2. イオン伝導体への応用
4. 機械学習アルゴリズム
   1. 記述子と回帰モデル
   2. 画像処理を用いた材料組織モデル
5. 材料開発への応用例
   1. イオン伝導体材料の開発
6. まとめと将来展望
• 質疑応答

第4部 機械学習と実験スクリーニング法による次世代太陽電池材料の開発

(2019年2月22日 15:00〜16:20)

　安価・高効率な光電変換素子として、高分子太陽電池やペロブスカイト太陽電池の研究開発が進められている。これらの素子の性能は、材料の構造や物性だけでなく、成膜プロセスや不純物・素子構造など多くの因子が複雑に影響するため、開発には多大な労力と時間を有する。一方、近年に人工知能を用いた材料開発 (マテリアルズ・インフォマティクス:MI) が注目を集めており、構造・物性の相関が強い材料で成果をあげている。本講座では、実験的な超高速材料スクリーニング法とMIを融合した次世代太陽電池の開発について紹介し、実験化学者がMIをどのように活用できるかの実例を解説する。

1. 高分子太陽電池
   1. イントロダクション
   2. 高分子太陽電池の設計指針
   3. これまでの開発方法
   4. 高速実験スクリーニングによるプロセス最適化
   5. 機械学習による高分子太陽電池の研究
   6. 人工ニューラルネットワーク、ランダムフォレストによる性能予測
   7. ランダムフォレスト分類器による性能予測
   8. 分子データベースからのスクリーニング
   9. 合成のための高分子構造探索
   10. 高分子合成と太陽電池評価
   11. さらなる高効率化に向けた機械学習探索
2. ペロブスカイト太陽電池
   1. イントロダクション
   2. ホール輸送層へのホール移動収率測定
   3. 統計的解析手法 (LASSO) を用いた性能支配因子の探索
   4. 高効率ホール輸送層のための分子設計指針
3. 高速実験スクリーニング
   1. イントロダクション
   2. 時間分解マイクロ波伝導度 (TRMC) 法の特徴
   3. 非鉛ペロブスカイト材料探索のための実験的スクリーニング
• 質疑応答

第5部 物質探索・逆合成経路探索の動向と取り組み

(2019年2月22日 16:30〜17:50)

物質探索、逆合成経路探索は、新規材料を探索しその合成方法を得るための重要な技術です。本講座では、これらの技術的な動向を概観しながら、講演者の所属企業における研究開発の取り組みについて説明します。

1. はじめに
2. 先端的な機械学習・深層学習の手法
   1. 畳み込みニューラルネットワーク
   2. 再帰型ニューラルネットワーク
   3. 生成モデル (敵対的生成ネットワーク・変分オートエンコーダ等)
   4. 強化学習 (モンテカルロ探索木等)
   5. Sequence-to-Sequenceモデル
3. 物質探索の動向
   1. SMILESに基づく手法
   2. グラフ表現に基づく手法
   3. その他の手法
4. 逆合成経路探索の動向
   1. モンテカルロ探索木を用いた手法
   2. Sequence-to-Sequenceモデルを用いた手法
   3. 分子の類似性に着目した手法
5. 研究開発の取り組み
6. まとめ
• 質疑応答