物質科学に適したデータ同化の基礎と手法・実例

セミナーに申し込む
オンライン 開催

本セミナーでは、実験データとシミュレーションデータを統合することで高精度な予測モデルを得られるデータ同化について取り上げ、データ同化の物質科学への適用について、基礎・手法、データ同化を用いたBayes最適化、材料探索とプロセスインフォマティクスの実例を、演習を交えて解説いたします。

日時

開催予定

プログラム

本講演では講演者が最近進めている、実験とシミュレーションの融合に関する研究事例の紹介および講演者が開発したデータ同化手法の解説と演習を行う。  触媒や永久磁石などの材料開発の高効率化のためにデータ科学の応用が進んでいる。最近では、データ科学に基づいた物質探索により200万もの新しい結晶を見つけたとの報告もある。このようなデータ科学では膨大な数のデータを要するが、触媒活性や自発磁化など、それぞれ特定の材料特性のデータ数は不十分な場合が多い。そこで、データ科学を物質科学に適用するには少数データを取り扱う方法が必要となり、データ同化はその一つである。  データ同化はシミュレーションデータを実験データに統合することで高精度な予測モデルを得る方法である。材料特性の制御変数は多次元であり、広い空間ではデータの欠測も生じやすいため、これらを考慮した物質科学に適したデータ同化手法を紹介する。

  1. 物質科学におけるデータ同化手法の基礎
    1. 多変量Gauss分布モデル
    2. 欠測データと完全尤度
  2. 永久磁石化合物の有限温度磁化予測モデルの構築
  3. Perovskite型水分解光触媒化合物のバンドギャップ狭窄化
    1. Multi-LayerPerceptronによる表現学習を用いた特徴量生成
  4. データ同化を用いたBayes最適化
    1. Bayesの定理と事後分布
    2. 獲得関数
  5. 光触媒化合物の焼成プロセスインフォマティクス
    1. SrTiO3の焼成プロセスに関する特徴量生成
    2. 焼成プロセスのDynamicMonteCarloシミュレーション
    3. 実験・シミュレーション・機械学習の統合による触媒活性予測モデル構築
    4. 高い触媒活性が得られる焼成プロセスの導出
  6. 演習
    1. データ同化プログラムCLAUDEのインストール
    2. 入力パラメータの説明
    3. 1次元系でのデモンストレーション
    4. 2次元系でのデモンストレーション
    5. 自由課題

受講料

演習に関して

演習では講演者が開発したデータ同化プログラム (CLAUDE) をインストールしていただきます。
こちらはPython (ver.3) で開発されたものです。
データ同化プログラムのインストールはセミナー当日に説明しながら行います。
基本的にGoogle Colaboratoryを使ったクラウド上での実施を想定しておりますので、事前に演習に利用可能なGoogleアカウントのご用意をお願いいたします。
(お手元のPCに直接インストールも可能です。その場合はPythonのインストールを事前にお願いいたします)

複数名受講割引

アカデミー割引

教員、学生および医療従事者はアカデミー割引価格にて受講いただけます。

ライブ配信セミナーについて