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 【ライブ配信】
イーコンプライアンス
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
実験科学者の少ないデータを活かす事例をご紹介
小規模データを上手に活かすための必須講座です！
セミナー概要
開催日時
2026年2月26日（木）
13:00～16:30
※ライブ配信のみ
受講形式
✓ Zoomを使用したWEB配信セミナー
✓ Zoomクライアント版またはブラウザ版で受講可能
✓ セミナー前日までに動作確認をお願いします
対象者
✓ 小規模データを活用したい方
✓ MI導入を検討されている方
✓ 実験科学者で機械学習に興味のある方
配布資料
セミナー資料はPDFで事前配送
紙媒体での配布はありません
※無断転載・録音・録画は禁止
セミナーの背景と重要性
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。
本講座で紹介する事例
実験科学者である講師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の研究事例を紹介します。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。
具体的な事例：
- ナノシート材料の収率向上事例
- 高分子材料の電気化学特性向上事例
- リチウムイオン二次電池有機負極の新規物質探索事例
期待される習得知識
- 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のための予測モデル構築方法
- 性能向上のためのデータ駆動アプローチ
- 研究者の経験・勘・知見と機械学習の融合方法
- 効率的な実験計画の立案方法
講師紹介
緒明 佑哉 氏
慶應義塾大学 理工学部 応用化学科 教授
博士（工学）
専門分野
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
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)（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
材料開発とデータサイエンスの両面から、実験科学者の視点でマテリアルズインフォマティクスの実装に取り組んでいます。小規模データを活かした予測モデル構築や、機械学習と実験の融合による効率的な材料探索の専門家です。
講演内容（予定）
第1章 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
第2章 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
第3章 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
第4章 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
第5章 おわりに（研究者の本音や質疑応答）
受講料
| プラン | 受講人数 | 通常価格 | E-Mail案内登録価格 |
|---|---|---|---|
| 正規受講料 | 1名 | ¥49,500 | ¥39,600 |
| 複数名割引 | 2名 | – | ¥49,500 （2名ともE-Mail案内登録必須、1名あたり¥24,750） |
割引特典について
- E-Mail案内登録割引：E-Mail案内に登録いただくと、割引価格でのご購入が可能です
- 2名同時申込で1名無料：2名ともE-Mail案内登録必須。2名で¥49,500のため、1名あたり¥24,750となります
- 本セミナーについて：アカデミー価格対象外のセミナーです
- 注：お申込みフォームでご希望のプランを選択してお申し込みください
重要なご案内
E-mail案内登録価格申込者には主催者のR&D支援センターからも無料でセミナー等の案内をお送り致します。
セミナー実施の注意事項
- 本セミナーの資料は、セミナー前にPDFでお送りします。紙媒体では配布いたしません
- 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
- 本セミナーはZoomを使ったWEB配信セミナーとなります
- 開催日直前にWEBセミナーへの招待メールをお送りいたします
Zoom WEB配信セミナーへの参加方法
Zoomの準備
Zoomを使用されたことがない方は、ミーティング用Zoomクライアントをダウンロードしてください。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。
動作確認
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、事前にご確認ください。
招待メール受取
開催日直前にWEBセミナーへの招待メールをお送りいたします。
セミナーへ参加
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ください。
本セミナーのポイント
小規模データの活用法
実際の研究現場で直面する「データが少ない」という課題に対して、機械学習を効果的に活用する方法を学べます。
実験主導型MI
実験科学者の視点から、データセット準備から予測モデル構築まで、実装可能な手法を具体例で解説します。
実践的事例
ナノシート材料やリチウムイオン電池など、実際の成功事例と失敗事例から学べます。
経験と機械学習の融合
研究者の経験・勘・知見と機械学習の融合により、より効率的な研究を実現する方法を習得できます。
お問い合わせ・お申し込み
株式会社イーコンプレス 丁田
よくあるご質問
機械学習の基礎知識がないのですが、参加できますか？
はい、参加可能です。本セミナーは実験科学者を対象として、複雑な機械学習理論ではなく、実装方法に重点を置いて解説します。基礎知識がない方でも理解できるよう配慮します。
資料は提供されますか？
はい、セミナー資料はPDFでセミナー前にお送りします。紙媒体での配布はありません。
セミナーを録画したり、同僚に共有できますか？
申し訳ございませんが、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ています。著作権保護のためご理解ください。
複数名での申し込みで割引がありますか？
はい、2名同時申込で1名無料のプランがございます。E-Mail案内登録をいただくことで適用されます。
キャンセルは可能ですか？
本セミナーはキャンセル規定の対象外となっています。詳細はお申し込み時の利用規約をご確認いただくか、お問い合わせ先までお気軽にお問い合わせください。
