＜今後どのようにAIを研究・開発へ活用していくべきか＞ 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
📝本講演の概要
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。
📋プログラム
＜得られる知識、技術＞
本講座ではAI理論そのものの厳密な数理解説ではなく、
・AIで何が可能になったのか？
・AIは何を苦手としているのか？
・物理/化学/熱力学とどのように融合すべきか？
・実プロセスへどのように展開するか？
という観点を重視し、実際の研究事例を交えながら、企業技術者が今後どのようにAIを研究・開発へ活用していくべきかを理解することを目的とします。
＜プログラム＞
１化学工学におけるAI活用の背景
11 化学工学における物性推算の役割
12 従来の物性推算手法と限界
13 AI・機械学習が注目される理由
２AI物性推算の可能性と現実
21 AIによる新規化合物の物性予測
22 未測定条件への予測
23 「AIは万能ではない」
３AIと熱力学・物理モデルの融合
31 Physics-Informed AI
32 状態方程式との融合型予測モデル
４AIアーキテクチャによる物性推算の進化
41 GCN/GCNNによる分子構造理解
42 CNNによる空間情報活用
43 Transformerによる化学言語理解
５AIが変える研究・開発プロセス
51 XAIによる解釈性向上と理論発展
52 AI前提の自動実験システム
53 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
□質疑応答□
👤講師
＜経歴＞
2018年 東京理科大学大学院総合化学研究科総合化学専攻修了、博士（工学）を取得
同年 東京理科大学工学部工業化学科 助教
2023年 東京理科大学工学部工業化学科 講師
2026年より現職
- ＜専門＞
- 化学工学（基礎物性）
- ＜研究内容＞
- 主に、二酸化炭素を含む系の相平衡を始めとする物性値の測定、機械学習と物性推算式を組み合わせた物性予測モデルの構築
- ＜WebSite＞
- https://himatchemeng.tech/
🗓開催概要
| 開催日時 |
【ライブ配信(見逃し配信付)】 2026年7月30日 （木） 10:30～16:30
|
|---|---|
| 受講形式 | Zoomによるライブ配信 |
| 受講料 | 55,000円（税込） 本体50,000円＋税5,000円 |
| 配布資料 | PDFテキスト(印刷可・編集不可) ※開催2日前を目安に、弊社HPのマイページよりダウンロード可となります。 |
| 備考 | ※講義中の録音・撮影はご遠慮ください。 ※開催日の概ね1週間前を目安に、最少催行人数に達していない場合、セミナーを中止することがございます。 |
〒450-0002 愛知県名古屋市中村区名駅3-4-10 アルティメイト名駅1st 2階
