【オンデマンド配信】 マテリアルズ・インフォマティクス入門
セミナー概要
マテリアルズ・インフォマティクスの実践事例から基礎理論まで、材料研究を次のステージへ
セミナーの目的
マテリアルズ・インフォマティクス（MI）や研究デジタルトランスフォーメーション（DX）は、情報科学・技術を駆使して材料研究・開発を刷新することが目的であり、今後の国際競争を勝ち抜くための必須テーマです。
本セミナーでは、何から始めて良いかわからない方に向けて、MIの実践事例を通じた研究開発活動で生じるデータの生成・蓄積・活用のサイクルを詳解します。
対象者
マテリアルズ・インフォマティクスに興味はあるが、何から始めて良いかわからない方
こんな方におすすめ：
- MIの基礎から学びたい研究者・技術者
- 機械学習の材料研究への応用を知りたい方
- ベイズ最適化の考え方を理解したい方
- データベース構築を検討している方
- 自社の材料研究にMIを導入したい企業担当者
学習内容の特徴
- 実践的な事例 – MIの実装から導入まで
- データ生成 – ベイズ最適化による効率的な実験
- データ蓄積 – 材料データベース構築の実務
- データ活用 – 予測・分類・スペクトル解析
- 材料シミュレーション – 密度汎関数法と構造探索
このセミナーで得られる知識
🔬 データ駆動型材料研究
MIの概要から機械学習の基本まで、総合的に理解
🤖 自律実験システム
ベイズ最適化による効率的なデータ取得方法
🗄️ データベース構築
材料データの蓄積から共有・活用まで
📊 予測・分類
スパースモデリングとスペクトル解析の実務
🧪 材料シミュレーション
密度汎関数法と結晶構造探索の基礎
🎯 構造探索ツール
USPEX、CALYPSO、CrySPYなど主要ツールの解説
講師紹介
安藤 康伸 氏
東京科学大学 総合研究院 化学生命科学研究所 准教授
博士（理学）
専門分野
マテリアルズ・インフォマティクス、データ駆動型材料研究、機械学習、計算材料科学
東京科学大学で、マテリアルズ・インフォマティクスと計算材料科学の教育・研究に従事。データ駆動型材料研究の実践的な方法論とAIを活用した自律型材料探索システムの開発など、材料科学と情報科学の融合領域で豊富な実績を有しています。
講師メールアドレスは配布資料に掲載されています。セミナーに関する質問に限りメールで質問が可能です。
セミナープログラム
8つの大きなテーマで、マテリアルズ・インフォマティクスの全体像を理解
1. マテリアルズ・インフォマティクス概要
+
- 情報科学の活用に至った経緯
- 機械学習の概要
- データ駆動型材料研究について
- データ駆動型材料研究の要素：データ生成・蓄積・活用
- 機械学習応用の流れと課題設定の重要性
- 物質・材料データの特徴と注意点
- 「分かりたい」のか「見つけたい」のか
- 情報科学市民権
2. データ取得のためのベイズ最適化
+
- ベイズ最適化の背後にある数理
- 自律実験装置とAIソフトウェア
- ロボット制御のための環境整備
- GPyOpt、OPTUNA、PHYSBOの解説
3. 材料シミュレーションと結晶構造探索の基礎
+
- 物質・材料シミュレーションとは
- 密度汎関数法の基本
- Schrödinger方程式を真面目に解く
- エネルギー地形とNudged Elastic Band法
- 遺伝的アルゴリズム（GA）と遺伝的操作
- USPEX、CALYPSO、CrySPY、ShotgunCSP等の先進ツール
- Neural Structure Field（NeSF）、Crystalformer、MatterGen
- 粒子群最適化（PSO）とグローバル・ローカルPSO
- 特徴空間と類似性、結晶構造生成メカニズム
4. 材料データ蓄積を行う上で必要なこと
+
- データベース構築の３つの目的
- データベースの種類
- フラットファイルフォーマット
- ツリー構造を利用した実験データ蓄積
- 電子ラボノートの事例
5. DB構築の出口戦略
+
- パーソナルDB
- DBを介した共同研究
- DBの共有・共用
- パブリックDB
- 材料データと課題の多様性への対応
6. 予測（回帰）：予測モデルとスパースモデリング
+
- 予測・モデル選択の応用例
- 「モデル」と「損失関数」
- 線形回帰とカーネル法の違い
- 損失関数の変更によるモデル選択
- 交差検証によるモデル評価
- モデル推定の種類（最尤法、MAP推定、ベイズ推定）
- スパース性とL0、L1正則化
7. 分類：スペクトルデータの低次元化とクラスター解析
+
- 高次元データとしてのスペクトルと低次元化の重要性
- 分類：教師あり学習と教師なし学習
- 特徴空間と類似性
- 主成分解析によるスペクトルの低次元化
- k-means法によるスペクトルの分類
- 階層的クラスタリングによるスペクトルの分類
8. データ解析：スペクトル解析のためのEMアルゴリズムによるピーク検知
+
- ピーク検知のための処理フロー
- 非線形最小二乗法の困難
- EMアルゴリズムによる最尤推定
- スペクトル解析のための改良EMアルゴリズム
- 解析事例
オンデマンド配信情報
配信形式
オンデマンド配信
（自分のペースで視聴可能）
映像時間
4時間13分
視聴期間
申込日含め
10営業日後まで
視聴方法
申込み後、URLを
メールでお送りします
配布資料
PDFデータ
（印刷可・編集不可）
申込み受付
2026年2月26日
23:59まで
オンデマンド配信のメリット
- ✓ 自分の都合のよい時間に視聴可能
- ✓ 視聴期間内は何度でも繰り返し学習できます
- ✓ 高度な内容は一時停止して、じっくり理解できます
- ✓ スマートフォンやタブレットでも視聴可能
- ✓ 講師メールアドレスで質問可能（セミナー関連に限る）
受講料金
定価
55,000円
本体50,000円＋税5,000円
2名同時申込
55,000円
1名分無料
（2名ともE-Mail案内登録必須）
3名申込
82,500円
1名あたり27,500円
（3名ともE-Mail案内登録必須）
テレワーク応援
42,020円
E-Mail案内登録価格
1名受講限定
※2名で55,000円（2名ともE-Mail案内登録必須、1名あたり定価半額の27,500円）
※3名で82,500円（3名ともE-Mail案内登録必須、1名あたり定価半額の27,500円）
※4名以上の場合、1名追加ごとに定価の半額（27,500円）で追加受講できます。
※各種割引は併用できません。
ご注意事項
- このセミナーはオンデマンド配信です。ライブ配信ではございません。
- WEBセミナーの録音・撮影、複製は固くお断りいたします。
- 配布資料はPDFデータです。マイページよりダウンロード可となります。
- 資料のあらゆる二次的な利用は固く禁じます。
- 講師メールアドレス掲載：有（セミナーに関する質問に限りメールで質問が可能です）
- 視聴環境の確認：https://www.science-t.com/onlineseminar/ondemand.html
お問い合わせ・申し込み
株式会社イーコンプレス
担当者：丁田
住所
〒630-0244
奈良県生駒市東松ヶ丘1-2 奥田第一ビル102
FAX
