プロセス インフォマティクス セミナー

                  
ケモインフォマティクスにおけるデータ収集の最適化と解析手法
造粒プロセスの最適化と設計・操作事例集
 
<セミナー No403112>

☆ 勘・コツ・すり合わせに依存しないデータ駆動型のプロセス開発のために!

☆ 求められるプロセスパラメータとは?そこから最適条件を見つけるための解析手法とは?

☆ 高効率なプロセスパラメータの発見、効率的なデータ収集の手法

【Live配信セミナー】

プロセスインフォマティクスにおける

データ収集解析手法具体的活用事例


■ 講師
【第1部】 

明治大学 理工学部 准教授 金子 弘昌 氏

【第2部】 東京大学 大学院 工学系研究科 機械工学専攻 准教授 長藤 圭介 氏
【第3部】 大阪大学 大学院工学研究科 教授 小野 寛太 氏
■ 開催要領
日 時

2024年3月11日(月)10:00〜17:00

会 場

Zoomを利用したLive配信 ※会場での講義は行いません
Live配信セミナーの接続確認・受講手順は 「こちら」 をご確認下さい。

聴講料

聴講料 1名につき60,500円(消費税込/資料付き)
〔1社2名以上同時申込の場合のみ1名につき55
,000円〕

〔大学、公的機関、医療機関の方には割引制度があります。詳しくは上部の「アカデミック価格」をご覧下さい〕

■ プログラム

【10:00〜12:00】

【第1部】 プロセスインフォマティクスの概要およびデータ解析・機械学習の基礎

明治大学 理工学部 准教授 金子 弘昌 氏

 

【講座主旨】

化学・化学工学データおよび機械学習を活用して、分子・材料・プロセスの設計やプロセス管理を高度化することが一般的になっている。分子設計では、分子の物性・活性とその化学構造の分子記述子の間で数理モデルを構築し、モデルに基づいて新たな化学構造を設計する。材料設計では、材料の物性・活性・特性と材料の実験条件・製造条件の間でモデルを構築し、モデルに基づいて新たな材料を設計する。プロセス設計やプロセス管理では、プロセスのパラメータの間でモデルを構築し、モデルに基づいて望ましいプロセスを設計し管理する。分子・材料設計の研究・開発はケモインフォマティクスやマテリアルズインフォマティクス、プロセス設計やプロセス管理の研究・開発はプロセスインフォマティクスと呼ばれる。本講演では、特にプロセスインフォマティクスの中で、装置・化学工場・プロセスのデータ解析・機械学習による効率的な設計や、プロセスの運転管理・制御方法を対象にして解説する。さらに、プロセスインフォマティクスを高度化する研究例を説明する。また、プログラミングなしでそれらの計算および種々の設計ができるクラウドサービス Datachemical LAB を紹介する。

【講座内容】

1.プロセスインフォマティクス
 1.1 プロセス設計・装置設計
 1.2 ソフトセンサー
 1.3 用いられるデータ例
 1.4 モデリング
 1.5 プロセス設計・装置設計・ソフトセンサー

2.データ解析・機械学習
 2.1 実験計画法
 2.2 適応的実験計画法
 2.3 線形回帰分析
 2.4 非線形回帰分析
 2.5 適応型ソフトセンサー
 2.6 Datachemical LAB

3.研究事例・応用事例
 3.1 プロセス設計・装置設計の実例
 3.2 プロセス設計・装置設計の研究例
 3.3 ソフトセンサーの実例
 3.4 ソフトセンサーの研究例

【質疑応答】

----------------------------------------------------------

専門分野:
 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
学位:
 博士(工学)

略歴・活動など:
 2011年9月 東京大学大学院工学系研究科博士課程 修了。博士(工学)
 2009年4月-2011年9月 日本学術振興会特別研究員DC1
 2011年10月-2011年12月 東京大学大学院工学系研究科化学システム工学専攻 特任助教
 2012年1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-2020年3月 明治大学理工学部応用化学科 専任講師
 2020年4月-現在 明治大学理工学部応用化学科 准教授
 2018年12月-現在 理化学研究所 客員主幹研究員
 2019年4月-現在 大阪大学大学院基礎工学研究科 招聘准教授
 2019年4月-現在 広島大学大学院先進理工系科学研究科 客員准教授
 2020年11月-現在 合同会社ミライカガク総研 社長
 2021年10月-現在 データケミカル株式会社 最高技術責任者/CTO

著書:
 金子 弘昌, 化学のためのPythonによるデータ解析・機械学習入門(改訂2版), オーム社, 2023年8月30日
 金子 弘昌, 化学・化学工学のための実践データサイエンス―Pythonによるデータ解析・機械学習―, 朝倉書店, 2022年10月5日
 金子 弘昌, Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析, 講談社, 2021年6月3日
 金子 弘昌, Pythonで気軽に化学・化学工学, 丸善出版, 2021年5月1日

 

【12:45〜14:45】

【第2部】 粉体プロセス開発の高スループット化のための粉体プロセスインフォマティクス

東京大学 大学院 工学系研究科 機械工学専攻 准教授 長藤 圭介 氏

 
【講座主旨】

マテリアルズインフォマティクスで開発された新材料も,従来の材料も,その料理方法,すなわちプロセス次第で,最終性能が大きく変わります.日本の強みであるプロセス開発は,DXの時代でハイスループット化が求められています.その一つの解決策としてのプロセスインフォマティクスを粉体プロセスの事例で紹介します.

【講座内容】

1.背景: 材料開発とプロセス開発

2.プロセスインフォマティクスとは
 2.1 様々な「インフォマティクス」
 2.2 プロセスインフォマティクスの広義・狭義

3.仮説駆動型開発とデータ駆動型開発
 3.1 機械学習の恩恵とDXの効果
 3.2 研究の歴史から紐解く研究開発手法
 3.3 求められるバイスループット開発に向けて

4.粉体プロセスの事例
 4.1 粉体プロセスの種類と原理
 4.2 プロセスパラメータのベイズ最適化
 4.3 最適化で得られるヒラメキとヒューマン・イン・ザ・ループ

5.他分野への展開
 5.1 材料合成プロセス: 結晶成長、フロー化学
 5.2 生産プロセス: 成形、工作、溶接、3Dプリンタ
 5.3 スマートラボ/スマートファクトリー

6.今後の日本のプロセス開発のあり方

【質疑応答】

 


【14:45〜16:15】

【第3部】 ハイスループット実験による効率的データ収集の実施法

大阪大学 大学院工学研究科 教授 小野 寛太 氏

 
【講座主旨】

新物質合成の新たな方法論として、ハイスループット実験、実験自動化、ラボラトリーオートメーション、自律実験などが注目を浴びている。本講座では主にデータ収集という観点から、物質・材料の計測・分析・評価に主眼を置き、大量の試料についてハイスループット実験の実現へ向けた考え方を紹介する。自律実験に不可欠となる効率的な計測・実験とは何かという基礎的な考え方を紹介することから始め、自動・自律実験により物質・材料の大量のデータを効率的に収集する方法、得られた大量のデータを解析し物質・材料の研究開発の生産性を高める方法について述べる。

【講座内容】

・ハイスループット実験の概要

・実験自動化、ラボラトリーオートメーション、自律実験の現状

・能動学習(適応型実験計画法)を用いた実験の最適化

・能動学習(適応型実験計画法)の基礎

・ハイスループット実験への能動学習の適用

・実験自動化のための実験終了判定

・ハイスループット実験のための高精度・高速・高効率なデータ収集

・大量の実験データの定性解析

・大量の実験データの定量解析

・自律実験へ向けた実験データの解釈の自動化

【質疑応答】

 

プロセス インフォマティクス セミナー