機械学習による物理サロゲートモデル構築の考え方と実践

セミナー概要

セミナーのテーマ

  • 機械学習の基礎と実践
  • 適切なデータ準備と重要性
  • 物理サロゲートモデル構築

こんな方におすすめです

  • シミュレーションや実験から代替モデルを構築したい方
  • データの分析を行いたい方
  • データサイエンスに興味のある方
セミナータイトル機械学習による物理サロゲートモデル構築の考え方と実践
開催日時 【ライブ配信】

2025年8月25日(月)10:30~16:30
お申し込み期限:2025年8月25日(月)10:00まで

開催場所/配信の補足・注意事項

【Zoomを使ったWEB配信セミナー受講の手順】
1.Zoomを使用されたことがない方は、下記よりミーティング用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。
https://zoom.us/download#client_4meeting
2.セミナー前日までに必ず動作確認をお願いします。
3.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。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。

・セミナー資料は開催前日までにお送りいたします。
・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。

受講料55,000円(税込、資料付)

■会員(案内)登録していただいた場合、通常1名様申込で55,000円(税込)から
 ・1名で申込の場合、49,500円(税込)へ割引になります。
 ・2名同時申込で両名とも会員登録をしていただいた場合、
  計55,000円(2人目無料)です。
 ・10名以上で申込される場合はさらにお得にご受講いただけます。
  お気軽にご相談ください。info@rdsc.co.jp

※ 会員登録とは
ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
すべて無料で年会費・更新料・登録費は一切かかりません。
メールまたは郵送でのご案内となります。
郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。

主催R&D支援センター

機械学習による物理サロゲートモデル構築の考え方と実践

★機械学習の適切・効果的な利用方法を習得できる!
★適切なデータの準備ができるようになる!

※オンライン会議アプリzoomを使ったWEBセミナーです。ご自宅や職場のノートPCで受講できます。

講師

近畿大学
理工学部機械工学科 教授
和田 義孝氏

【ご専門】
破壊力学、計算力学、機械学習によるサロゲートモデル構築

【ご経歴】
 東京理科大学へ進学後、1995年東京大学大学院工学系研究科博士後期課程へ進学。1997年中退、同年東京大学大学院工学系研究科寄附講座助手。1998年に6面体自動要素分割手法に関する研究で、博士(工学)を取得。2000年2月に高度情報化科学技術研究機構にて当時世界最速の地球シミュレータ向けのシミュレーション関連プログラム開発(GeoFEM project)に携わる。2002年諏訪東京理科大学にて講師、准教授と経て、2012年4月より近畿大学准教授、2017年4月より近畿大学教授。2016年より深層学習でき裂進展は予測できるか、学習の高速化に関する研究を実施。特にシミュレーションレスに向けたCAEサロゲートモデルの構築に関する研究をテーマとしている。物理サロゲートモデルは、物理問題に適した正則化誤差評価と回帰問題のためのデータ拡張が必要である。

セミナー趣旨、ポイント

 機械学習はさまざま技術要素が組み合わさって構築されています。最大の特徴は、個人で学習するためのプログラムや環境構築には金銭的コストがかかりません。つまり、興味を持って実践すれば必ず身につくスキルの1つです。

 そこで、本セミナーでは、下記の3つを通じて自ら調査・試行ができるようになることを目的とします。
 ・機械学習を実際に試すこと
  (重要な基礎への理解)
 ・基本となる考え方を知ること
  (アルゴリズム、ハイパーパラメータとよばれる変更・調整可能な対象も含む)
 ・データの大切さを理解し適切なデータの準備ができること

 学習がどのように進行しているのかを知ることが機械学習の理解には必要です。方程式を解いていませんが、近似的にかつ繰り返して係数を更新する方法により解を得るために留意することがあります。また、データが良ければよい予測モデルを構築できます。つまり、良い性能を出すのはデータ次第です。演習を通じてこういった基本を理解できるのが本セミナーの特徴です。

受講対象者、必要な予備知識

演習があるので、Google ColaboratoryなどのPythonの環境が利用可能な方、
構築できない方や利用できない方でも受講は可能です。

Jupyter Notebook形式でプログラムと実行結果は配布いたします。

こんな方におすすめ

製造業務にたずさわる、
・シミュレーションや実験などから代替モデルの構築してみたい方
・データの分析を行いたい方
・データサイエンスに興味があり最新の考え方を学びたい方
など

得られる知識

・機械学習の適切・効果的な利用方法が分かる。
・代替モデル構築のためのデータに対する考え方を習得できる。
・データ取得のための実験計画を立てることができる。

プログラム

1.本講義の目的(座学)10分
2.ニューラルネットワークによる機械学習の基本(座学)40分
3.基本的な学習技術の習得:三角関数の学習(実習)40分
4.機械学習を適用するための注意(座学)30分
5.活性化関数と最適化手法の比較(実習)40分
6.早く収束させるための正則化技術(座学)40分
7.物理問題のための正則化技術(座学)20分
8.工学問題応用事例:風力発電翼のサロゲートモデル構築事例など 15分

※時間は目安です。また、休憩は適宜設定予定です。