セミナー概要
セミナーのテーマ
- マテリアルズインフォマティクスの基礎と活用事例
- Pythonと機械学習を用いたデータ解析
- 大規模言語モデル(LLM)の活用と未来展望
こんな方におすすめです
- マテリアルズインフォマティクスに興味がある方
- Pythonを活用した材料データ解析に興味がある方
- ChatGPTなどの大規模言語モデルを研究・学習に活用したい方
セミナータイトル | 大規模言語モデル×Pythonで始めるマテリアルズインフォマティクス |
開催日時 | 【ライブ配信】 2025年9月30日(火)10:30~16:30 【アーカイブ配信】 |
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】 |
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 |
主催 | R&D支援センター |
受付中
大規模言語モデル×Pythonで始めるマテリアルズインフォマティクス
⭐本セミナーでは、マテリアルズインフォマティクス(MI)をテーマに、Pythonを用いたデータ解析・機械学習の基礎から、ChatGPT をはじめとする大規模言語モデル(LLM)の実践的な活用法までを、視覚的なデモや具体的な企業・研究事例を交えながら体系的に学習します。
講師
統計数理研究所 先端データサイエンス研究系
マテリアルズインフォマティクス研究推進センター
木野 日織 氏
【略歴】
1991年 東京大学理学部物理学科卒
1996年 東京大学大学院理学系研究科博士課程卒(理学博士)
1996年 東京大学物性研究所物性理論部門助手などを経て
2002年から(国)物質・材料研 究機構、
2024年3月から統計数理研究所 先端データサイエンス研究系 マテリアルズインフォマティクス研究推進センター(教授)勤務. APS Outstanding Referee(米国物理学会)、JPSJ Outstanding Referee(日本物理学会)としても表彰される。
2015年からの国立研究開発法人科学技術振興機構(JST)イノベーションハブ構築支援事業 の一環として(国)物質・材料研究機構に情報統合型物質・材料開発イニシアティブ(MI2I) 発足時からマテリアルズインフォマティクスを行う.
セミナー趣旨、ポイント
本セミナーでは、マテリアルズインフォマティクス(MI)をテーマに、Pythonによるデータ解析や機械学習の基礎から、ChatGPTに代表される大規模言語モデル(LLM)の活用方法までを、視覚的なデモや具体的な事例を通じて学びます。受講者によるコードの実行は行いませんが、LLMを用いたコード生成の流れや、個人チューターとしての活用方法を紹介し、AIとの協働スタイルを体感していただける構成です。さらに、近年注目されるディフュージョンモデルといった生成的手法、LLMによる研究支援の展望にも触れ、MIの新たな可能性を探ります。あわせて、LLMの出力の信頼性や限界についても触れ、技術の活用と批判的理解の両面から考察します。受講後は、ご自身の研究・実践・学習において、LLMやPythonをどのように活かせるか、そのヒントを得ていただけるはずです。
受講対象者、必要な予備知識
特に予備知識は必要ありませんが、Pythonの基本文法(変数定義、関数、ループ処理など)を理解していることが望ましい。
セミナーではPythonスクリプト例を提供します。セミナー時には時間的制約のため各自がPythonスクリプトを実行する時間を設けませんが、スクリプト例を実行するには、以下の技術的な準備・知識が必要となります:
• ご自身のPCまたはクラウド環境上に、Python(3.x)環境を構築できること
• scikit-learn および PyTorch(torch) を pip 等でインストールできること
• Jupyter notebookもしくはJupyter labを実行できる方
こんな方におすすめ
マテリアルズインフォマティクスに取り組みたいが、プログラミングに不安がある方
Pythonを活用した材料データ解析に興味がある方
ChatGPTなどの大規模言語モデルを研究・学習に活用したい方
材料科学と情報科学の融合に取り組みたい初学者〜中級者
得られる知識
得られる知識・スキル
• マテリアルズインフォマティクスの基礎的な概念と活用事例
• Pythonを用いた材料データの前処理・分析・可視化の基本手法
• scikit-learn、Pytorchを用いた機械学習モデルの構築と評価
• ChatGPTなどの大規模言語モデル(LLM)を活用したコード生成の支援方法
実務での活用例
• 材料物性や実験データの解析・可視化
• 教師あり学習による構造–物性の予測モデルの構築
• LLMを用いたコード生成とコードの理解
• LLMの教育ツールとしての活用
プログラム
1. 基礎編:マテリアルズインフォマティクスと機械学習の基礎
1-1. 予測問題とは
支配法則がある世界 vs 支配法則がない世界
1-2. 機械学習の基本的枠組み
(1)教師あり学習
回帰と分類の違い、訓練データ、テストデータの分割と交差検定
(2)教師なし学習
次元圧縮、クラスタリング
1-3. 大規模言語モデル(LLM)の活用
LLMを用いた知識検索・取得とコード生成とコード説明
1-4. 生成モデル
オートエンコーダーからディフュージョンモデル(拡散モデル)まで
2. 応用編:マテリアルズインフォマティクスへの実装と発展的手法
2-1. ベイズ最適化
2-2. 説明変数の重要度評価
2-3. 推薦モデル
3. 展望編:LLMとマテリアルズインフォマティクスの未来
LLMを活用したMI研究・MI探索システムの将来像
受付中