AI・機械学習を活用した物性推算と分子設計・プロセス最適化への活用

セミナーに申し込む
オンライン 開催

本セミナーでは、AI・機械学習による物性推算の基本的な考え方から、分子設計・プロセス最適化への応用、さらにXAI (Explainable AI) による解釈性向上、自動実験システム、ラボデータとプラントビッグデータの統合、状態方程式との融合型予測モデルなど、今後の発展的アプローチについて幅広く解説いたします。

日時

開催予定

プログラム

近年、AI・機械学習技術の発展により、物性推算、材料開発、プロセス最適化への応用が急速に進展しています。特に化学工学分野では、従来の経験的・理論的アプローチに加え、データ駆動型手法を活用することで、これまで困難であった複雑系の解析や未知条件への予測が可能になりつつあります。  一方で、AIを活用した物性推算には、大量・高品質データの必要性、ブラックボックス化、外挿性、熱力学整合性など、多くの課題も存在します。そのため、単にAIモデルを適用するだけではなく、物性測定、熱力学、状態方程式、プロセス工学などの知見と融合しながら活用することが重要となります。  本講座では、AI・機械学習による物性推算の基本的な考え方から、分子設計・プロセス最適化への応用、さらにXAI (Explainable AI) による解釈性向上、自動実験システム、ラボデータとプラントビッグデータの統合、状態方程式との融合型予測モデルなど、今後の発展的アプローチについて幅広く解説します。

 本講座ではAI理論そのものの厳密な数理解説ではなく、

  1. 化学工学におけるAI活用の背景
    1. 化学工学における物性推算の役割
    2. 従来の物性推算手法と限界
    3. AI・機械学習が注目される理由
  2. AI物性推算の可能性と現実
    1. AIによる新規化合物の物性予測
    2. 未測定条件への予測
    3. 「AIは万能ではない」
  3. AIと熱力学・物理モデルの融合
    1. Physics – Informed AI
    2. 状態方程式との融合型予測モデル
  4. AIアーキテクチャによる物性推算の進化
    1. GCN/GCNNによる分子構造理解
    2. CNNによる空間情報活用
    3. Transformerによる化学言語理解
  5. AIが変える研究・開発プロセス
    1. XAIによる解釈性向上と理論発展
    2. AI前提の自動実験システム
    3. ラボデータとプラントビックデータ統合
  6. 今後のAI物性推算と化学工学研究者の役割

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