MAGICIAN養成講座

2020.4.18

情報化学+教育 > MAGICIAN 養成講座 >　講義資料

MAGICIAN(MAterials Genome/Informatics and Chemo-Informatics Associate Networks)
MAGICIANとは、材料ゲノム(Materials Genome)、材料情報学(Materials Informatics)、情報化学(Chemo-Informatics)を結びつけて(Associate)ネットワーク(Networks)を構築していかれる人財です。

2021.11.4
インク、塗料、化粧品などの配合処方をMI(Materials Informatics)を使って決定するのは、結構難しいです。
それはデータ数が少ない、識別子が多い、非線形性があるケースが多いからです。
そこで、そのようなケースに有効なツール、MIRAIをWebアプリ化してその使い方を解説します。

配合処方設計用のMaterials Integrationツール

2021.9.22
「第15回日本電磁波エネルギー応用学会シンポジウム」のショートコースで(ZOOM)講演するのに合わせ、

Pirikaに連動解説ページ,「マイクロ波と3つのMIs」

を作りました。
材料ゲノム、マテリアルズ・インフォマティクス を使って材料設計するのはすごく難しい、と思われがちですが、そんなに難しいことではありません。

第9回 新しい解析ツール、GROVE 2021.4.27

第５回のデータのクレンジングにも関係しますが、データの中に誤差が含まれる場合どうしたら良いのかという問題を扱います。
予測式を作成して、予測と合わない化合物を、データのクレンジングと言って取り除いていったら、最終的には線形方程式になってしまいます。
でも設計したいのは、特異的に性能が向上するような非線形の材料です。線の上に乗る材料は、予測可能で、特許でいう「新規性」はありません。
同じ、線形方程式である重回帰式でも係数の求め方で、逆設計は大きく変わります。
COVID-19のコロナに対する、カテキン化合物などのbinding energyを計算する重回帰式でそれを説明します。

第1回 イントロダクション 2018.8.23

PDF
マテリアルズ・ゲノムと呼ぶ時には、材料の構成を遺伝子に見立てます。しかし、プロセスまで含むと遺伝子型では表現しにくくなり、マテリアルズ・インフォマティクスと呼んだ方が良いかもしれません。まず、何をしたいのか基礎を学びましょう。

第2回 データ収集と昔ながらのやり方 2018.8.24

PDF

流行り言葉としてのAI解析やデータ駆動（データ・ドリブン）型研究は、規模が大きくなっただけで昔とやっていることは余り変わりません。テキスト情報や画像情報のビッグデータが増えたところで、化学系の研究には余り良いことはありません。昔ながらの数理統計解析を流行り言葉で呼んでいるだけです。燃料電池用の触媒設計を例にやり方を見ていきましょう。

第3a回 ポリマー設計と3つのMI（その１）2018.9.3

PDF
ポリマー設計、特にラジカル重合性のポリマーについて考えてみましょう。ガラスなどの設計と異なり飛躍的に設計が難しく、アートの世界になってしまいます。最低限、重合シミュレーターの利用は不可欠でしょう。フッ素ゴムのパッキンへの利用を例に、Materials Informatics と Materials　Infrastructure について解説しましょう。

第3b回 ポリマー設計と3つのMI（その2 ）2018.9.3

PDF
ポリマーの利用形態には、ポリマーそのものを材料に使う形態と、ポリマーに様々な材料を配合して使う、Materials Integrationの形態があります。後者は、分子軌道法など、いわゆる計算機科学は余り役に立たない領域になります。MAGICIANの腕の見せ所でしょう。3aで設計したフッ素の生ゴムに様々な材料を配合して実際のパッキンを設計してみましょう。

第3c回カーボン素材の複合化と溶解度パラメータ 2018.11.27

PDF
パッキンにはカーボンブラック(CB)を配合します。こうしたカーボン素材、例えば炭素繊維はどの様なポリマーと相性が良いのでしょうか？ハンセンの溶解度パラメータ(HSP)を利用した相性の評価、最適溶媒設計を学びましょう。

第4a回 MIに適した簡単なデータベースの利用法 2018.9.4

PDF
ほとんどの場合、Materials Informaticsに使うデータセットは表計算の形で保有しているでしょう。表計算ソフトの側から、タブ区切り、CSV形式で吐き出して機械学習にかけます。ある程度のデータ量になったら、手間を惜しまずデータベース化した方が良いでしょう。機械学習した結果をDBに取り込む計算機能の利用も大事な技術です。

第4b回 複雑なポリマーのデータベース化 2018.9.7

PDF
食品包装用のバリア・フィルムの設計をやってみましょう。共重合組成を変えたポリマーを設計する場合、DBの利用は不可欠になりますが、作成したポリマーの表記方法が問題になります。重合シミュレーターに加えSmilesの構造式の自動解釈ソフトなど、お助けソフトの利用も欠かせません。

第5回 データのクレンジング 2018.8.28

PDF

これは、データ・クレンジングの基礎になります。

Materials Informaticsの成功例として、サムソン/MITが計算だけで開発した全固体電解質が話題になりました。リチウムイオンの拡散係数のデータがあったので、例題としてマテリアルズ・ゲノムを行う時にどの様に進めるのかを通しで学んでみましょう。

第6a回 ニューラルネットワーク法の初歩 2018.9.25

PDF

ニューラルネットワーク法はディープ・ラーニングなど機械学習法の中核技術として注目を浴びています。ただし、材料系に使う場合にはデータ数が少ない事、データに誤差を含む事を前提にシステムを組まなくてはなりません。使い方を間違えると予測性能は全くでないので注意が必要です。

第6b回 ニューラルネットワーク法を使ったDrug Design 2018.9.22

PDF

ニューラルネットワーク法と呼ぼうが数理統計解析と呼ぼうが、ある現象（薬理活性、毒性）を説明づける識別子を化学的知見から合理的に選び出せるか？が化学者に求められています。化合物の細胞への溶解性と言う観点からはハンセンの溶解度パラメータ（HSP）は興味深い特徴を持っています。

第6c回 自由なアーキテクチャーのNN法と学習アルゴリズム 2018.11.23

PDF
ニューラルネットワーク法は強力な解析ツールですが、使いこなしも非常に難しいものです。特に教師あり学習をさせる時に教師データに誤りがあっても学習が成立してしまう学習アルゴリズムは、化学の分野では余り適しません。誤差逆伝播法ではない、フィード・フォワード型のNNシステムを構築してみましょう。

第7回 遺伝的アルゴリズム(GA)を理解しよう 2018.11.8

PDF
遺伝的アルゴリズムは、材料構成をゲノムと捉えて解析する際には重要な方法です。簡単に言えば。サラブレッドを作るやり方をコンピュータ上で行います。しかし、GA法のパッケージソフトというのは見当たりません。アルゴリズムというのはあくまでも考え方を示したもので、ケースバイケースでプログラムが変わってしまう事が一般化しにくい原因になっています。基本的操作を表計算ソフト上のGAで学び、将来は自分でプログラムがかける様になってください。

第8回 気液平衡推算ソフトASOGにiを入れよう　2019.8.18

今年(2019年)はASOG(Analytical Solutions of Groups)の50周年の記念の年になります。(E. L. Derr and C. H. Deal, Ind. Chem. Eng. Symp. Ser. Lond., 3(32), 40 (1969))
また、小島先生と栃木先生が「ASOGによる気液平衡推算法」という著書を講談社サイエンテイフイクから出版されてから40周年の年でもあります。 非常に優れた方法ですが、パラメータの決定が難しく最近使われなくなってきています。そこでASOGのA(Analytical)の部分をAI(Artificial Intelligence)に変えて難しいところをAIに任せてしまおう。色々面白い事がわかってきました。

その他の資料

プレゼン用：MIを使う時のデータベース構築法　2018.9.11
プレゼン用：複雑なポリマーの設計とDB　2018.9.15
プレゼン用：MAGICIAN用の識別子（Drug Design用）2018.11.3

情報化学+教育 > MAGICIAN 養成講座 >　講義資料

Copyright pirika.com since 1999- 
Mail: yamahiroXpirika.com (Xを@に置き換えてください) メールの件名は[pirika]で始めてください。