最新動向を俯瞰的に学びデータサイエンティスト/材料開発者が知っておくべき基礎

セミナーに申し込む
オンライン 開催

本セミナーでは、ベイズ推論とスパースモデリングを情報数理基盤とするデータ駆動科学でAI for Material engineeringについて解説いたします。

日時

開催予定

プログラム

本講座ではAIを科学に適用するAI for Science特にAI for Material engineeringについて講義をし、今後各企業で必要にあるAI技術を紹介します。AIというとChat GPTなどの生成系AIを考えますが、生成系が材料工学に即適用可能である例はほとんどありません。これは民間企業でも同様です。  そこで本セミナーでは、ベイズ推論とスパースモデリングを情報数理基盤とするデータ駆動科学でAI for Material engineeringを議論します。このセミナーにより、明日からすぐに役立つAI for Science/Material engineeringを実践的に学ぶことができます。

  1. 本セミナーのねらい
    1. AIの歴史とAI for Science
    2. AI for Material engineering
    3. AI for Material engineeringによる高収益化
  2. 自然記述の基本的戦略とデータ駆動科学
    1. 要素還元主義と階層的自然観
    2. 階層的自然観とデータ駆動科学
  3. データ駆動科学の二大情報数理基盤
    1. スパースモデリング (SpM) とベイズ推論
    2. 物理学とスパースモデリング (SpM)
    3. Keplerの法則と前期量子論
    4. 全状態探索型スパースモデリング (ES-SpM)
    5. 物理学におけるベイズ推論の必要性
  4. 機能発現の3+1ステップモデル
  5. 計算論的神経学とデータ駆動科学
    1. David Marrの三つのレベル
    2. データ駆動科学の三つのレベル
    3. データ駆動科学の三つのレベルと計測関連企業の高収益化
  6. ベイズ計測: ベイズ推論と計測科学の融合領域
    • 神器1. 物理パラメータの事後確率推定
    • 神器2. ベイズ的モデル選択
    • 神器3. 複数データのベイズ統合
  7. 直線回帰y=ax+bのベイズ計測解析計算の詳細な説明
    1. 物理パラメータの事後確率推定
    2. ガウス観測ノイズ分散推定
    3. ベイズ的モデル選択
  8. 非線形計測系のロールモデルとしてのスペクトル分解
    1. スペクトル分解の通常手法とその問題点 (誤差関数の局所解とモデル選択)
    2. ベイズ計測の導入と、ベイズ計測実装のための数値計算の必要性
    3. スペクトル分解におけるベイズ的モデル選択
    4. 計測限界の定量的評価
  9. 他の非線形計測系への展開
    1. NMR
    2. メスバウアー分光
    3. 小角散乱
    4. 比熱と磁化率の物理パラメータ事後確率推定とベイズ統合の導入
  10. ベイズ計測の普及戦略
    1. SPring-8全ビームラインベイズ化計画
    2. SPring-8全ビームラインベイズ化計画共同実施者
    3. SPring-8全ビームラインベイズ化計画の波及効果
    4. ベイズ計測による計測科学のゲームチェンジング
  11. スパースモデリング
  12. 民間企業のR&D (Research & Development) 戦略とデータ駆動科学
    1. データ駆動科学と民間就職 サイバーフィジカルシステムの観点から
    2. データ駆動科学と企業R&D組織のフラット化
    3. データ駆動科学と人材の流動化
  13. まとめと、新規ビジネスなどの今後の展開

受講料

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