日本一やさしい マテリアルズ・インフォマティクスへの導き_柴田_nanotech2023
•
0 likes•736 views
nano tech2023でのPFCC特別講演の資料です（公開可能な部分のみアップしております）。 タイトル 日本一やさしいマテリアルズ・インフォマティクスへの導き ~ 材料開発者は、マテリアルズ・インフォマティクスに何を求めるのか ~ 概要 近年、素材産業を変革するソリューションとしてマテリアルズ・インフォマティクス（MI）への注目が高まっています。日本国内では、化学メーカーなどが積極的に取組みを継続し、成功事例が報告され、関連情報も増加してきました。一方、MI関連情報が増加したことにより「これからMIに着手する方々」にとっては、現状の整理・俯瞰が難しくなっているという側面もあります。 そこで、本講演ではMIの現状を整理・俯瞰し、その文脈における「汎用原子レベルシミュレータMatlantis（弊社提供サービス）」の位置づけを紹介します。また、ひとりの材料開発者（登壇者）のケースを例に、MIの世界に一歩踏み出すモチベーションを赤裸々にお話します。 講演者 PFCC 柴田ラビ https://matlantis.com/ja/
Recommended
Recommended
More Related Content
What's hot
What's hot (20)
日本一やさしい マテリアルズ・インフォマティクスへの導き_柴田_nanotech2023
- 1. 日本一やさしい マテリアルズ・インフォマティクスへの導き ～ 材料開発者は、マテリアルズ・インフォマティクスに何を求めるのか ～ 1 PFCC 柴田ラビ ※ nano tech2023講演資料のうち、公開可能な部分のみ公開しております
- 2. イントロダクション 2
- 3. はじめに：事前にお伝えしたいこと 留意事項 3 1. 技術的な深い話は一切出てきません 2. わかりやすさ重視のため、表現などの厳密さに欠ける部分があります 3. 共感できる部分などありましたら、リアクション頂けると嬉しいです
- 4. はじめに：本講演を通じて目指すこと ご自身に適したブースで詳細なお話を聞ける状態 4 Before After ・企業で材料の研究開発に従事する技術者 ・マテリアルズ・インフォマティクスという 言葉は 聞くが、その先には進んでいない ・各論の前に全体像を整理したい ・マテリアルズ・インフォマティクス概観を理解 ・ご自身の興味 / 課題がイメージできる ・PFCC / Matlantisのことを知っている ・nano techでの情報収集がより有意義になる
- 8. マテリアルズ・インフォマティクス：概観 情報処理技術を活用して材料開発を推進すること 8 y x1 x2 x3 ・・・ 1 2 3 ・ ・ ・ 元となるデータ 既知 y x1 x2 x3 ・・・ 1 2 3 ・ ・ ・ ? 既知 未知のyを予測 予測対象のデータ 評価 y = f(X)
- 9. マテリアルズ・インフォマティクス：課題① ① データがあるか？ 9 y x1 x2 x3 ・・・ 1 2 3 ・ ・ ・ 元となるデータ 既知 y x1 x2 x3 ・・・ 1 2 3 ・ ・ ・ ? 既知 未知のyを予測 予測対象のデータ 評価 y = f(X) ・ データ数がそもそも少ない ・ データ取得の属人化 （記録のバラツキなど） ・ データ整理 / 整形で ギブアップ
- 10. マテリアルズ・インフォマティクス：課題② ② モデルの精度は十分か？ 10 y x1 x2 x3 ・・・ 1 2 3 ・ ・ ・ 元となるデータ 既知 y x1 x2 x3 ・・・ 1 2 3 ・ ・ ・ ? 既知 未知のyを予測 予測対象のデータ 評価 y = f(X) ・ データ科学の知見不足 ・ 材料領域の知見不足 ・ 問題設定があいまい （目的が不明確）
- 11. マテリアルズ・インフォマティクス：課題③ ③ モデルの適用範囲は十分か？ 11 y x1 x2 x3 ・・・ 1 2 3 ・ ・ ・ 元となるデータ 既知 y x1 x2 x3 ・・・ 1 2 3 ・ ・ ・ ? 既知 未知のyを予測 予測対象のデータ 評価 y = f(X) ・ 信頼できる予測範囲が限定的 （データのある領域に限られる） ・ 研究開発者の期待を満たせない ・ データベース探しの旅へ
- 12. なぜ、このような課題が生じるのか 「元となるデータがあり、それをもとに（近似式をつくって）予測をする」 というアプローチであるため 12 y x1 x2 x3 ・・・ 1 2 3 ・ ・ ・ 元となるデータ 既知 y x1 x2 x3 ・・・ 1 2 3 ・ ・ ・ ? 既知 未知のyを予測 予測対象のデータ y = f(X) ・実験データ ・文献 ・データベース など
- 16. マテリアルズ・インフォマティクス：現状の俯瞰 前述の課題に向き合いながらマテリアルズ・インフォマティクス従事者 は粘り強く活動継続し、その結果、関連事例/ニュースは増加傾向 16 データを 集める データを 整理する 法則を 見つける 予測する 評価する 課題 ①データは? ②精度は？ ③適用範囲は？ (リソースは？) 内製 外部 人材育成 自社ツール 人材育成 ツール提供 受託解析 アドバイザリ 8~10社 20社 < 5~8社 3社 3~5社 8~10社 5~6社 1社 4~5社 4~6社 2022年12月 柴田調べ
- 17. マテリアルズ・インフォマティクス：現状の俯瞰 前述の課題に向き合いながらマテリアルズ・インフォマティクス従事者 は粘り強く活動継続し、その結果、関連事例/ニュースは増加傾向 17 データを 集める データを 整理する 法則を 見つける 予測する 評価する 課題 ①データは? ②精度は？ ③適用範囲は？ (リソースは？) 内製 外部 人材育成 自社ツール 人材育成 ツール提供 受託解析 アドバイザリ 8~10社 20社 < 5~8社 3社 3~5社 8~10社 5~6社 1社 4~5社 4~6社 大手、中堅化学メーカーが注力 大手化学メーカーが注力し、サービス化もあり 多数 自動実験 ta 2022年12月 柴田調べ
- 18. マテリアルズ・インフォマティクス：現状の俯瞰 前述の課題に向き合いながらマテリアルズ・インフォマティクス従事者 は粘り強く活動継続し、その結果、関連事例/ニュースは増加傾向 18 データを 集める データを 整理する 法則を 見つける 予測する 評価する 課題 ①データは? ②精度は？ ③適用範囲は？ (リソースは？) 内製 外部 人材育成 自社ツール 人材育成 ツール提供 受託解析 アドバイザリ 8~10社 20社 < 5~8社 3社 3~5社 8~10社 5~6社 1社 4~5社 4~6社 大手、中堅化学メーカーが注力 大手化学メーカーが注力し、サービス化もあり 多数 MI人材育成サービスの提供は増加傾向 データベース、実験ノート 条件探索（ベイズ最適化など） （プロジェクト単位での）解析サービス 他サービスに付随して実施される場合が多い 自動実験 ta 自動実験 ta 2022年12月 柴田調べ
- 19. なぜ、このような課題が生じるのか 再掲 「元となるデータがあり、それをもとに（近似式をつくって）予測をする」 というアプローチであるため 19 y x1 x2 x3 ・・・ 1 2 3 ・ ・ ・ 元となるデータ 既知 y x1 x2 x3 ・・・ 1 2 3 ・ ・ ・ ? 既知 未知のyを予測 予測対象のデータ y = f(X) ・実験データ ・文献データ ・データベース など
- 21. PFCCのご紹介 21
- 24. Matlantisのご紹介 24
- 28. 約10万倍 高速 Matlantisの性能①：従来手法に対する優位性 第一原理計算 Matlantis 2ヶ月 （外挿値） 0.3秒 0.1秒 2時間 第一原 理計算 原子数 第一原理 計算 約2千万倍 高速 第一原理計算条件 ・solver = QUANTUM ESPRESSO (PWscf) ・ver：6.4.1 ・PP：Pt.pbe-n-kjpaw_psl.1.0.0.UPF ・Ecutoff：40 Ry (≒544 eV) ・Xeon Gold 6254 3.1GHz x 2 (36 cores) ・RAM：384 GB Fcc Ptバルク構造一点計算時間 28 従来手法（第一原理計算）と比べて圧倒的に速い
- 30. … 教師データ（数千万） 分子・結晶等様々な構造の第一原理計算を実施 （PFNの強力計算設備を活用） GNN 物理知識を取り込んだ 独自のAIモデル構築 エネルギー Matlantis予測値 学習・出力 教師データを再現できるまで モデルの学習を実施 エネルギー DFT（テストデータ） Ex. molecule Ex. cluster Ex. slab Ex. crystal Ex. adsorption Ex. disordered ・観測バイアス ・モデルバイアス ・学習バイアス 参考書籍：AI技術の最前線これからのAIを読み解く先端技術 73 | 岡野原 大輔 |本 | 通販 | Amazon Matlantisの仕組み：どのようにして実現しているのか 大量の学習データと独自ノウハウにより、最強のモデルを作っている 30
- 32. 最後に 32
- 33. マテリアルズ・インフォマティクスとMatlantisの関係 33 ここまでの話を踏まえての俯瞰 人間 コンピュータ 帰納的 演繹的 実験 理論 機械学習アプローチ シミュレーション 企画 基礎研究 製品開発 工業化 検討 生産 演繹的アプローチ 帰納的アプローチ マテリアルズ・インフォマティクス （の文脈で語られることが多い）
- 36. もし、今の私が材料開発をするとしたら・・・ シミュレーション（計算屋の友人）の力を借りて、楽しむ心を育み続ける 9:00 出社 計画・チームMTG 10:00 実験 12:00 ランチ 13:00 MTG 14:00 実験 解析・まとめ 17:00 計算セット 18:00 雑務 退社 企画 基礎研究 製品開発 工業化 検討 生産 計算化学が発展した元々のモチベーション ：安全にアイディアを試したい（大野公一 氏） 楽しむ心 MTG 雑務 実験操作 データ解析 ・自動実験装置 ・実験計画（DoE） ・電子実験ノート ・機械学習による解析 ・ムダ削減 ・生産性向上マインド 研究開発 DX 働き方 改革 ターゲット アプローチ 36
- 37. 37