『データ解析・実験計画法・ベイズ最適化の基礎と応用』
S191011A
開催日時：2019年10月11日（金）10:30-16:30
会 場：ちよだプラットフォームスクエア（千代田区神田錦町3-21）
受 講 料：お1人様受講の場合 46,000円[税別]／1名
1口でお申込の場合 57,000円[税別]／1口（3名まで受講可能）
金子弘昌（かねこひろまさ） 氏
明治大学 理工学部 応用化学科 専任講師（博士（工学））
| ＜略歴＞ |
2011年9月 東京大学大学院 工学系研究科 化学システム工学専攻 博士課程修了
2011年10月〜2017年3月 東京大学大学院 工学系研究科 化学システム工学専攻 助教
2017年4月〜現在 明治大学 理工学部 応用化学科 専任講師
…兼務
広島大学大学院工学研究科 次世代自動車技術共同研究講座 客員准教授
大阪大学 太陽エネルギー化学研究センター 招聘准教授
国立研究開発法人理化学研究所 客員主幹研究員 |
| ＜論文・受賞＞ |
査読あり論文: 76報
受賞: 15件（2015年3月19日 化学工学会 研究奨励賞【内藤雅喜記念賞】など） |
|
高機能性材料の開発やコンピュータシミュレーションによる設計などの研究・開発の現場において、効率的にシミュレーション・実験・製造を実施するために実験計画法が活用される。
例えば、5つの実験パラメータもしくはシミュレーション条件（反応器体積・反応温度・反応時間など）があり、それぞれ10の候補の値がある場合、すべての組み合わせは10万通りになってしまう。しかし、実験計画法を用いれば、その中の数回のシミュレーション候補・実験候補から実験パラメータと装置の性能・材料の物性・活性との間の関係性を統計的手法によりモデル化することで、所望の装置性能・物性・活性を実現するための候補を効率的に探索できる。このようにシミュレーションデータや実験データを活用することで、効率的な材料設計およびプロセス・装置設計を達成できる。
本講演では、そのような（適応的）実験計画法や実験計画法を実現するためのデータ解析理論およびベイズ最適化の基礎を解説する。さらに具体的な材料設計およびプロセス・装置設計の例や最新の研究事例を紹介する。
|
1 ケモインフォマティクス・マテリアルズインフォマティクス・プロセスインフォマティクス
1.1 分子設計とは
1.2 材料設計とは
1.3 プロセス設計・装置設計とは
1.4 モデリング
1.5 モデルの活用した材料設計・プロセス設計・装置設計
2 データ解析・実験計画法・ベイズ最適化
2.1 線形回帰分析
2.2 非線形回帰分析
2.3 線形クラス分類
2.4 非線形クラス分類
2.5 実験計画法
2.6 適応的実験計画法
2.7 ガウス過程による回帰
2.8 ベイズ最適化
3 研究事例・応用事例
3.1 ベイズ最適化による材料設計・プロセス設計・装置設計
3.2 材料設計の実例
3.3 プロセス設計・装置設計の実例
