マテリアルズ・インフォマティクス関連情報 [総合索 引][Top]

マテリアルズ・インフォマティクス(MI)関連情報。各情報の中には的確でない、間違いや誤った記述があるかもしれません。ご注意下さい(→著作権その他の諸注意、免責説明[ページ])。(メイルでの御指摘大歓迎です)
Materials Informatics
Materials Informatics、マテリアルズ・インフォマティクス:参考ページ[1]Materials Project、[2]Materials Evolution(アクセス不能)、[3]AFLOWLIB.ORG: a distributed materials genome properties repository from high-throughput ab-initio calculation.、[4]Center for Inverse Design(*) 、[5]Center for Hierarchical Materials Design(*)(ChiMaD)、[6]スパースモデリングの深化と高次元データ駆動科学の創成(文科省科研費「新学術領域研究」)[7]NoMaD(Novel Materials Discovery Repository)[8]統合型材料開発・情報基盤部門(MaDIS)【関連語】Inverse materials design, Materials genome, Data mining, Data mapping, Big Data, Database、ビッグデータ、データベース、機械学習、重回帰分析、多変量解析、エキスパートシステム、可視化

マテリアルズ・インフォマティクス[先頭]


[NIMS関連プレスリリース情報(含む"NIMS NOW")][小目次]
[17]「Artificial Intelligence Learns to Predict Photo-Functional Molecules」、詳細はNIMS-MANAのResearch Highlights(Vol. 45)参照。
[18]「New Material That is Both a Thermoelectric and a Superconductor Identified by High-Throughput Materials Discovery」、詳細はNIMS-MANAのResearch Highlights(Vol. 46)参照。
[19]「機械学習により世界最高クラスの熱放射多層膜を設計し、その実証に成功 〜 約80億の候補から最適構造を探索 省エネルギー社会への貢献に期待 〜」、詳細はNIMSのプレスリリース参照。
[20]「機械可読性を高める計測データのメタ情報抽出ツール(M-DaC)の開発と一般提供 〜装置やメーカーで異なるデータ形式を統一 データ科学による新材料開発の促進に期待 〜」、詳細はNIMSのプレスリリース参照。
[21]「機械学習の「記憶」を活用し、高分子の熱伝導性の大幅な向上に成功 〜少ないデータでも高精度な予測が可能に 高分子での材料インフォマティクス加速に期待〜」、詳細はNIMSのプレスリリース参照。
[22]「物性予測タスク訓練済みモデルの包括的ライブラリXenonPy.MDLを公開 〜転移学習で材料インフォマティクスのスモールデータの壁を乗り越える〜」、詳細はNIMSのプレスリリース参照。
[23]「機械学習により結晶粒界の熱伝導度を局所原子配列から高精度に予測 〜計算科学と粒界ナノ構造に基づく新たな材料開発指針〜」、詳細はNIMSのプレスリリース参照。
[24]「「例外」を発見するAI「BLOX」の開発 - AIを用いた革新材料の開発に新たな道筋 - 」、詳細はNIMSのプレスリリース参照。
[25]「材料データの利活用に貢献する「Materials Data Repository (MDR)」とNIMSが発信する材料データプラットフォームDICE (ダイス)のWebサイトの公開 〜材料データの収集・蓄積・公開、データ駆動型研究の促進へ向けて〜」、詳細はNIMSのニュース記事参照。
[26]「機械学習により薄膜作製プロセスの高速化を実現 〜外部データなしで試料作製回数を大幅に低減、材料開発コスト削減に期待〜」、詳細はNIMSのプレスリリース参照。
[27]「機械学習により超合金粉末の製造コスト削減に成功 〜数回の試行で複雑な製造条件を最適化 航空機エンジン部品製造の低コスト化に期待〜」、詳細はNIMSのプレスリリース参照。
[28]「SIP研究成果を社会実装するためのマテリアルズインテグレーションコンソーシアム発足」、詳細はNIMSのプレスリリース参照。当該サイト:MIコンソーシアム
[29]「最少の実験回数で高い予測精度を与える汎用的AI技術を開発 〜材料開発のDX : NIMS、旭化成、三菱ケミカル、三井化学、住友化学の水平連携で実現〜」、詳細はNIMSのプレスリリース参照。
[30]「人工ニューラルネットワークで明らかになった高温超伝導の隠れた起源」、詳細はNIMSのプレスリリース参照。
[31]「機械学習を活用した効率的なネオジム磁石の高特性化に成功 〜限られた実験データから最小限の実験でネオジム磁石の最適な作製条件を予測〜」、詳細はNIMSのプレスリリース参照。
[32]「データ駆動型電極触媒解析アルゴリズムの開発 〜人の“気付き”を支援することで脱炭素社会実現のための効率的な電極触媒材料探索への道筋〜」、詳細はNIMSのプレスリリース参照。
[33]「人工知能で蛍光有機分子を開発 - 複雑な現象を示す機能性分子の開発に貢献 - 」、詳細はNIMSのプレスリリース参照。
[34]「自動実験ロボットとデータ科学の連携により - リチウム空気電池のサイクル寿命を向上する電解液の開発に成功 - 」、詳細はNIMSのプレスリリース参照。
[35]「データ科学でハッキリ見えた微生物発電 - 微生物燃料電池や生分解性材料のデータ駆動研究に向けて - 」、詳細はNIMSのプレスリリース参照。
[36]「自律自動実験のための汎用ソフトフェア : NIMS-OSを開発 - ロボット実験と材料探索用AIの連携プラットフォーム - 」、詳細はNIMSのプレスリリース参照。
[37]「AIと材料研究者のコラボで耐熱材料を強くする - AIの一見奇抜な「手」から納得の熱処理法を考案 - 」、詳細はNIMSのプレスリリース参照。
[38]「銅合金の特性予測モデルを構築 - 三菱マテリアルのマグネシウム銅合金「MSPシリーズ」優位性を裏付け - 」、詳細はNIMSのプレスリリース参照。
[39]「進化するAIがエコな水素の普及のための新規材料開発を支援する - 白金族元素を使わない電極材料を探し出す - 」、詳細はNIMSのプレスリリース参照。

[公募等”募集”情報][小目次]

[採用情報](12/1、2017から期限のないものは原則掲載しません)[小目次]

[セミナー情報(含む交流会、講習会、コロキウム)][小目次]
[123]表面科学セミナー2024(実践編) 基礎と実用例を通じてこれから学ぶインフォマティクス、3月14日(2024)、開催地:大田区産業プラザPiO 特別会議室(東京) またはオンライン受講(ハイブリッド開催)、詳細は案内ページ参照[終了]。
[124]理論インフォーマルセミナー:「AI meets Theoretical Physics: machine learning assisted solution of a difficult problem in frustrated magnetism」、講演者:Prof. Nic Shannon(Okinawa Institute of Science and Technology)、6月10日(2024)午後4時より、開催地:物性研究所本館6階 第5セミナー室 (A615)(柏、千葉)、詳細は案内ページ参照[終了]。
[125]セミナー:「Machine Learning for Quantum Materials」、講演者:Prof. Eun-Ah Kim(Cornell University)、6月24日(2024)午後4時より、開催地:物性研究所本館6階 第5セミナー室 (A615)(柏、千葉)及びZoom(ハイブリッド開催)、詳細は案内ページ参照[終了]。
[126]【オンライン講義】「マテリアルズ・インフォマティクスの基礎と応用」(11月開講/全8回)、開催地:Zoomを利用したオンライン講義、詳細は案内ページ参照

[フォーラム情報](含むスクール)[小目次]
[14]2023年度学術討論会・技術交流フォーラム(PDF形式ページ):「データ駆動・創出・活用型マテリアル研究最前線」、2月8日(2024)、開催地:Zoomを用いたオンライン開催、詳細は案内ページ参照[終了]。
[15]Machine learning for Advanced Material and Molecular Modelling、3月31日〜4月4日(2025)、開催地:CECAM-UK-DARESBURY、詳細は案内ページ参照。
[16]AIChemist、4月28日〜5月2日(2025)、開催地:CECAM-HQ-EPFL, Lausanne(スイス)、詳細は案内ページ参照。
[17]Machine Learning in Physical Sciences: Theory and Applications、5月26日〜5月31日(2025)、開催地:CECAM-FR-RA、詳細は案内ページ参照。
[18]School on Machine Learning for Molecules and Materials Research、6月9日〜6月13日(2025)、開催地:Zadar(クロアチア)、詳細は案内ページ参照。
[19]Systematic coarse-graining and machine learning in soft matter physics with ESPResSo、10月6日〜10月10日(2025)、開催地:CECAM-DE-SMSM, Institute for Computational Physics, University of Stuttgart(独)、詳細は案内ページ参照。

[研究会情報](含むシンポジウム、講演会)[小目次]
[59]特別企画「化学における情報・AI の活用」、3月21日(2024)、開催地:日本大学理工学部 船橋キャンパス A1423(14号館 [2階] 1423)(船橋、千葉)、詳細は案内ページ参照[終了]。
[60]第176回 フロンティア材料研究所学術講演会『データ駆動型アプローチによる電気化学材料の開発加速』、5月30日(2024)、開催地:東京工業大学すずかけ台キャンパス 大学会館多目的ホール(地図亜法焚I諭⊃斉狎遏法⊂楮戮楼篤皀據璽源仮[終了]。
[61]マテリアル戦略総合シンポジウム2025、1月31日(2025)、開催地:東京ビッグサイト 会議棟1階 レセプションホール(江東区、東京)+オンライン(ハイブリッド開催)、詳細は案内ページ参照[終了]。
[62]MateriAI 2024 〜 計算物質科学分野におけるAI技術の活用、3月3日〜3月5日(2025)、開催地:御殿場高原 時之栖(御殿場市、静岡県)、 詳細は案内ページ参照。 [入門講座情報(含む基礎講座)]
第47回薄膜・表面物理 基礎講座:データサイエンスを活用した固体材料・表面研究の最前線、11月16日(2018)、開催地:東京理科大学 森戸記念館 第一フォーラム(新宿、東京)、詳細は案内ページ参照[終了]。
第49回薄膜・表面物理 基礎講座:情報データ科学に基づく結晶材料・界面・プロセス工学の新展開 〜実験との連携運用術〜、11月13日(2020)、開催地:オンライン開催、詳細は案内ページ参照[終了]。
[若手の会情報]
第六回ケモインフォマティクス若手の会、10月25日(2017)、開催地:常盤工業会会館(宇部市、山口)、詳細は案内ページ参照[終了]。
[速習コース情報]
統計数理研究所、H28年度統計思考力育成事業機械学習速習コース、2月9日[終了]、3月7日[終了]、3月28日(2017)[終了]、開催地:TKP渋谷カンファレンスセンター、カンファレンスルーム5A(東京)[現在、定員に達し申込受付停止中]、詳細は案内ページ参照。
[夏の学校情報]
[3]Applied mathematics and machine learning perspectives on Big Data Problems in Computational Sciences、9月30日〜10月4日(2019)、開催地;CECAM-DE-SMSM、詳細は案内ページ参照[終了]。
[秋の学校情報]
ケモインフォマティクス秋の学校(Autumn School of Chemoinformatics in Tokyo)、11月25日、26日(2015)、開催 地:開催地:東大山上会舘大会議室(本郷、東京)、詳細は案内ページ参照 [終了]。
[討論会情報]
[4]日本金属学会東海支部・日本鉄鋼協会東海支部学術討論会(←PDF形式ページ):「インフォマティクスと連携したモノづくりと計測技術」、1月31日(2018)、開催地:名古屋大学東山キャンパス ES 総合館 1F ESホール(名古屋、愛知)、詳細は案内ページ参照[終了]。
[5]第42回ケモインフォマティクス討論会、10月28日、29日(2019)、開催地:東京大学 山上会館 大会議室(本郷、東京)、詳細は案内ページ参照[終了]。
[6]第43回ケモインフォマティクス討論会、12月9日、10日(2020)、開催地:オンライン開催(Zoom)、詳細は案内ページ参照[終了]。
[Workshop情報](含む説明会、ワークショップ、ミーティング、学会)
[0]Workshop情報(ipam, UCLA)
[68]Bringing together rare event sampling, excited state dynamics and machine learning、2月26日〜2月29日(2024)、開催地:CECAM-AT, University of Vienna, Faculty of Chemistry(墺)。詳細は案内ページ参照[終了]。
[69]Machine-actionable data interoperability for the chemical sciences (MADICES 2)、4月22日〜4月25日(2024)、開催地:Zuse Institute Berlin (CECAM-DE-MMS)(独)。詳細は案内ページ参照[終了]。
[70]Machine Learning Modalities for Materials science、5月13日〜5月17日(2024)、開催地:Ljubljana(スロベニア)。詳細は案内ページ参照[終了]。
[71]From Machine-Learning Theory to Driven Complex Systems and back、5月22日〜5月24日(2024)、開催地:CECAM-HQ-EPFL, Lausanne(スイス)。詳細は案内ページ参照[終了]。
[72]Open Databases Integration for Materials Design、6月10日〜6月14日(2024)、開催地:CECAM-HQ-EPFL, Lausanne(スイス)。詳細は案内ページ参照[終了]。
[73]Machine Learning of First Principles Observables、7月8日〜7月12日(2024)、開催地:Zuse Institute Berlin(独)。詳細は案内ページ参照[終了]。
[74]L2M3: Large language models for materials, molecules and beyond、7月9日〜7月12日(2024)、開催地:CECAM-HQ-EPFL, Lausanne(スイス)。詳細は案内ページ参照[終了]。
[75]Machine Learning Potentials: From Interfaces to Solution、8月27日〜8月29日(2024)、開催地:Ruhr University Bochum(独)。詳細は案内ページ参照[終了]。
[76]Machine Learning Interatomic Potentials and Accessible Databases、9月9日〜9月11日(2024)、開催地:Grenoble(仏)。詳細は案内ページ参照[終了]。
[77]Leveraging Machine Learning for Sampling Rare Events in Biomolecular Systems、9月17日〜9月19日(2024)、開催地:CECAM-DE-SMSM。詳細は案内ページ参照[終了]。
[78]Expanding the Impact of Molecular Simulations by Integrating Machine Learning with Statistical Mechanics、10月10日〜10月12日(2024)、開催地:Grand Hotel Vesuvio, Sorrento(伊)。詳細は案内ページ参照[終了]。
[79]Density Functional Theory and Artificial Intelligence learning from each other、3月3日〜3月6日(2025)、開催地:CECAM-HQ-EPFL, Lausanne(スイス)。詳細は案内ページ参照。
[80]Machine Learning for Materials Discovery (ML4MD)、5月5日〜5月8日(2025)、開催地:CECAM-FI。詳細は案内ページ参照。
[81]Virtual Materials Design: AI, Simulation, and Workflows、6月2日〜6月5日(2025)、開催地:Karlsruhe Institute of Technology, FTU, Hermann-von-Helmholtz-Platz 1, 76344 Eggenstein-Leopoldshafen(独)。詳細は案内ページ参照。
[82]From operando electron microscopy images to atomistic models: Machine Learning assisted analysis in the age of big data、6月25日〜6月27日(2025)、開催地:CECAM-DE-MMS。詳細は案内ページ参照。
[83]Machine Learning Advances for Molecular and Materials Property Prediction、7月7日〜7月9日(2025)、開催地:CECAM-US-CENTRAL, University of Notre Dame, Indiana(米国)。詳細は案内ページ参照。
[84]Biomolecular Dynamics in the Age of Machine Learning、7月14日〜7月16日(2025)、開催地:CECAM-US-CENTRAL。詳細は案内ページ参照。
[85]Generative AI and Large Language Models for protein modeling across sequence-structure-function scales : From predicting protein dynamics to programmable biology and drug design、9月24日〜9月26日(2025)、開催地:CECAM-Lugano, Lugano(スイス)。詳細は案内ページ参照。
[86]When data science meets molecular dynamics、10月15日〜10月17日(2025)、開催地:CECAM-HQ-EPFL, Lausanne(スイス)。詳細は案内ページ参照。
[87]MADICES 3: Machine-actionable Data Interoperability for the Chemical Sciences、10月20日〜10月24日(2025)、開催地:PSI, Villigen(スイス)。詳細は案内ページ参照。
[88]Uncertainty quantification in atomistic modeling: From uncertainty-aware density functional theory to machine learning、11月25日〜11月28日(2025)、開催地:CECAM-HQ-EPFL, Lausanne(スイス)。詳細は案内ページ参照。
[89]A roadmap for an atomistic machine learning software ecosystem、1月19日〜1月21日(2026)、開催地:CECAM-HQ-EPFL, Lausanne(スイス)。詳細は案内ページ参照。
[国際会議情報]
[3]Physics Informed Machine Learning、1月19日〜22日(2016)、米国で開催[終了]。
[4]MRM2023/IUMRS-ICA2023、Symposium A-5:"Advanced Algorithms and Tools for Materials Informatics"、12月11日〜12月16日(2023)、開催地:Kyoto International Conference Center(京都)、詳細は案内ページ参照[終了]。

[ハードウェア関連情報][小目次]
[1]Tesla M40(NVIDIA) ← 機械学習向け:紹介記事ペー ジ(PC Watch)
[2]米Googleが公表した"TPU"(深層学習専用プロセッサ):紹介記 事 ページ(ITpro日経BP)
[3]Intel、機械学習に特化した72コアのXeon Phiを投入:紹介記事ページ(PC Watch)

[組織・機関等情報][小目次]
[1]データ科学的観点から推進する新たな物質・材料研究ハブの開設:情報統合型物質・材料開発イニシアティブ[情報統合型物質・材料研究拠点]←詳細は、機構のプレスリリース情報参照。
[2]2015年11月1日付け:機能材料コンピュテーショナルデザイン研究センター発足(プレスリリース)。関連組織:人工知能研究センター(*)(産総研)
関連情報:東北大学片平キャンパスに「産総研・東北大 数理先端材料モデリングオープンイノベーションラボラトリ」(MathAM-OIL)を設立←産総研のプレスリリース記事
[3](情報)統計数理研究所とSAS Institute Japanが共同でビッグデータ分析の研究基盤、ビッグデータイノベーションラボ(BIL)を設立:統計数理研究所のプレスリリース記事
[4]東京工業大学に「産総研・東工大 実社会ビッグデータ活用オープンイノベーションラボラトリ」(RWBC-OIL)を設立(← - 実社会ビッグデータ活用技術による新たな価値創造を実現 -):産総研のプレスリリース記事
[5]データ科学がもたらす「ものづくり」革新 〜 統計数理研究所が新センターを設立 〜:統計数理研究所のプレスリリース記事(新センター名は、”ものづくりデータ科学研究センター”)
[6]データ駆動表面科学研究部会(9/12、2023、アドレス変更を確認)(日本表面真空学会)
[7]科学研究費助成事業「新学術領域研究(研究領域提案型)」:次世代物質探索のための離散幾何学
[8]「高性能磁石の開発に役立つ材料データプラットフォームの運用を - 世界最大規模の希土類磁性材料データベースと人工知能を利用した設計で材料開発を加速へ - 」、産総研のプレスリリース記事
[文献情報][小目次]
[1]雑誌「表面科学」(日本表面科学会)、2015年10月号、特集:マテリアルズ・インフォマティクス - 表面科学のビッグデータの構築 -
[2]寺倉清之、日本物理学会誌:「物質科学における新しい帰納的アプローチ Keyword: マテリアルズ・インフォマティクス」、第73巻、第3号、132頁(2018)
[3]応用物理学会 薄膜・表面物理分科会:ニュースレター「ビッグデータを活用した新材料研究 〜マテリアルズインフォマティクスは、研究者の経験と勘とをいかに支援するのか!〜」、No. 162 (2018年3月)
[4]化学と工業:特集「マテリアルズ・インフォマティクス」、第71巻、8月号、650頁〜667頁(2018)
[5]計算工学:特集「データ同化の活用に向けて」、第24巻、第1号、4頁〜20頁(2019)
[6]野村悠祐、山地洋平、今田正俊、日本物理学会誌:「機械学習を用いて量子多体系を表現する」、第74巻、第2号、72頁(2019)
[7]応用物理学会薄膜・表面物理分科会 NEWS LETTER No. 166 (March 2019):巻頭言「データサイエンスを活用した固体材料・表面研究の最前線」藤田大介、その他、データ科学、機械学習、ニューラルネットワーク等関連論文あり。
[8]表面と真空:特集「データ駆動科学による表面・真空科学研究の新展開」、第62巻、3月号(2019) [9]吉田亮、岩山めぐみ、グォ チョンリャン、応用物理:「材料研究の逆問題と機械学習」、第90巻、第7号、428頁(2021)

(参考文献、参考サイト、参考情報等)[小目次]

[先頭][総目次][最初に戻る][用語集][備忘録][新着論文][Top]