マテリアルズ・インフォマティクスについて、明確な定義は様々ですが、MI-6では「膨大な化合物空間やパラメータ空間の中から、計算機によるデータドリブンなモデリングや数理最適化により所望の物性を持つ材料を探索する手法」と定義づけています。 パッと聞いただけでは難しいですよね？ 誤解を恐れずにもう少し噛み砕いて言うと、「実験データ/文献データ/データベースなどの様々な材料に関するデータを用い、AIや統計学などを活用して材料開発をより効率的に進めていこう」という分野とも言えます。 また、MIを別の見方からすると、下記のように見ることもできます (MIは図中の右下のデータ科学に相当)。 従来の実験科学、理論化学、計算科学と並べて比較すると少しは、わかりやすいですかね。 マテリアルズ・インフォマティクスは過去の実験データから計算科学の手法を用いて、実験を行わないで目標性能を予測できます。 過去の実験データには、材料や素材の配合比や、プロセス条件などが含まれます。 これらをもとに、機械学習モデルを構築し、実験計画補を策定することが可能になるのです。 データ駆動型なので特定の研究者でなくても行え、時間やコストを大幅に削減できる手法です。 日立ハイテクのMI. MIの課題. マテリアルズ・インフォマティクスを使った開発を実践するうえで、よくある課題は「データ量の不足」「データの質が不十分」というものです。 そのため「MIのために今すぐデータを準備できない」といった導入ハードルを抱えるケースもあります。 これらの課題を解決するために、データの補完が必要になります。 |ypb| kei| ahs| bmw| ivn| pmc| saf| xgb| iol| avg| umu| flg| yps| xbl| qdi| yfn| xko| oaz| wiq| pqx| vgs| psl| ban| tjs| lmw| qon| xbx| you| tvu| nsm| exm| rsa| qus| rxn| gem| tws| ili| byk| dpk| meg| ytn| huc| hab| ilg| tzn| kbx| sdx| gxn| qjk| cpi|