TOP>技術/研究>化学/材料>ニューラルネットワーク分子動力学法の基礎と応用：データ駆動型材料設計

13 of 44

2025/08/22(金) 10:30 ON AIR

株式会社AndTech

2025年8月22日開催

ニューラルネットワーク分子動力学法の基礎と応用：データ駆動型材料設計

ニューラルネットワーク分子動力学法はこれまでの分子動力学法に比較して多くの長所を有することから、その産業応用が加速度的に広がっている！この手法を学び、先進的な開発に活用する！

質問OK 初～中級者向け返金保証

49,500 円(税込)

ログインして注文

複数名でのお申込みについて

視聴時間: 6時間0分詳細へ

販売期間: 2025/08/21 17:00 まで

商品コード: ivbs1Pnb

視聴期間/スケジュール

以下の期間でライブ配信を行ないます。

2025/08/22 10:30 から 2025/08/22 16:30 まで

イベント概要

★2025年8月22日WEBでオンライン開講。東北大学　金属材料研究所　久保　百司　先生がニューラルネットワーク分子動力学法の基礎と応用：データ駆動型材料設計について解説する講座です。

★データ科学と計算科学を組み合わせた「ニューラルネットワーク分子動力学シミュレーション」が、大学などの研究機関のみならず、企業においても大きな注目を浴びている！

★①第一原理計算と同等の計算精度で大規模計算が可能、②パラメータ開発の困難さからの脱却が可能、③8元素種を越えるような多元素系への適用が可能、④複雑な化学反応への対応が可能、⑤二次元材料への応用が可能、などニューラルネットワーク分子動力学法はこれまでの分子動力学法に比較して多くの長所を有することから、その産業応用が加速度的に広がっている！この手法を学び、先進的な開発に活用する！

カリキュラム/プログラム

【【本セミナーの主題および状況　本講座の注目ポイント】】

■本セミナーの状況

「ニューラルネットワーク分子動力学シミュレーション」の現状としては下記通り。

①第一原理計算と同等の計算精度で大規模計算が可能

②パラメータ開発の困難さからの脱却が可能、

③8元素種を越えるような多元素系への適用が可能

④複雑な化学反応への対応が可能

⑤二次元材料への応用が可能

ニューラルネットワーク分子動力学法はこれまでの分子動力学法に比較して多くの長所を有することから、その産業応用が加速度的に広がっています。

■本講座のポイント

　本講演では、ニューラルネットワーク分子動力学法の基礎から応用までの講義を中心に行うとともに、ニューラルネットワーク分子動力学法の基礎から応用までの講義を中心に行うとともに、ニューラルネットワーク分子動力学法の特徴・長所、さらにはニューラルネットワーク分子動力学法が得意な計算対象や課題、うまく計算できなかった場合の対処方法についても説明をさせて頂き、今後、ニューラルネットワーク分子動力学シミュレーションを行う時に、どのようなことに気をつけて行けば良いのかなど実践的な内容について講演する！

講座担当：青木良憲

≪こちらの講座は、WEB上での開催のオンライン講座になります≫

【時間】 10:30-16:30

【講師】東北大学　金属材料研究所　　計算材料学センター　センター長・教授　久保　百司　氏

【講演主旨】

　ここ数年、データ科学と計算科学を組み合わせた「ニューラルネットワーク分子動力学シミュレーション」が、大学などの研究機関のみならず、企業においても大きな注目を浴びています。特に、①第一原理計算と同等の計算精度で大規模計算が可能、②パラメータ開発の困難さからの脱却が可能、➂8元素種を越えるような多元素系への適用が可能、④複雑な化学反応への対応が可能、⑤二次元材料への応用が可能、などニューラルネットワーク分子動力学法はこれまでの分子動力学法に比較して多くの長所を有することから、その産業応用が加速度的に広がっています。そこで本講演では、ニューラルネットワーク分子動力学法の基礎から応用までの講義を中心に行うとともに、ニューラルネットワーク分子動力学法の特徴・長所、さらにはニューラルネットワーク分子動力学法が得意な計算対象や課題、うまく計算できなかった場合の対処方法についても説明をさせて頂き、今後、ニューラルネットワーク分子動力学シミュレーションを行う時に、どのようなことに気をつけて行けば良いのかなど実践的な内容についてお話をさせて頂きます。

【プログラム】

[1]　計算科学の企業における意義と活用方法

　１．計算科学シミュレーションの企業における意義

　２．計算科学シミュレーションの応用例

　３．計算科学を活用した高速スクリーニング

　４．計算科学シミュレーションによる特許戦略

　５．計算科学シミュレーションを活用した産学連携

[2]　ニューラルネットワーク分子動力学(NNMD)法の特徴

　１．従来の分子動力学法との違い

　２．第一原理分子動力学法との比較

　３．Tight-Binding量子分子動力学法との比較

　４．ReaxFF反応力場分子動力学法との比較

　５．NNMD法の特徴①：第一原理計算に相当する精度で大規模計算が可能

　６．NNMD法の特徴②：パラメータ開発の困難さからの脱却

　７．NNMD法の特徴➂：多元素系への応用が可能

　８．NNMD法の特徴④：複雑な化学反応への応用が可能

　９．NNMD法の特徴⑤：ReaxFFでは困難な二次元材料への応用が可能

[3]　ニューラルネットワーク分子動力学法の基礎

　１．分子動力学法の基礎理論

　２．ニューラルネットワークの材料設計への応用例

　３．ニューラルネットワーク分子動力学法の概要

　４．ニューラルネットワークの基礎理論

　５．ニューラルネットワーク分子動力学法の歴史

　６．ニューラルネットワーク分子動力学法の基礎理論

　７．ニューラルネットワーク分子動力学法の計算手順

[4]　ニューラルネットワーク分子動力学(NNMD)法の応用例

　１．ニューラルネットワーク分子動力学(NNMD)シミュレータの開発

　２．NNMD法のマルチフィジックス現象への応用

　３．NNMD法の多元素系への応用

　４．NNMD法の複雑な化学反応への応用

[5]　計算科学シミュレーションの今後の発展

　１．マルチフィジックス計算科学

　２．マルチスケール計算科学

　３．スーパーコンピュータ「富岳」成果創出加速プログラム

【質疑応答】

【キーワード】
計算科学シミュレーション、ニューラルネットワーク分子動力学法、データ駆動、人工知能、材料設計、マテリアルズインフォマティクス、高速スクリーニング、マルチフィジックス計算科学、マルチスケール計算科学、スーパーコンピュータ、第一原理計算

【講演ポイント】
聴講者の方には、ニューラルネットワーク分子動力学シミュレーションをいかに実際の企業における材料開発に応用可能であるか、どうすればニューラルネットワーク分子動力学シミュレーションを企業で有効に活用できるのかの基礎と将来戦略を理解して頂けるものと考えています。

【習得できる知識】

① ニューラルネットワーク分子動力学シミュレーションを活用したこれまでの成功例

② 従来の分子動力学シミュレーションと比較して、ニューラルネットワーク分子動力学シミュレーションの特徴・長所

③ ニューラルネットワーク分子動力学シミュレーションの基礎・方法論・計算手順

④ ニューラルネットワーク分子動力学シミュレーションでうまく計算できなかった場合の対処方法

⑤ ニューラルネットワーク分子動力学シミュレーションが得意な計算対象や課題に加えて、不得意な計算対象や課題

⑥ ニューラルネットワーク分子動力学シミュレーションを、企業においてどのように活用していけば良いのかの方向性と将来戦略

などの知見を得ることができます。

詳細

受講対象者の職種/職位

本テーマに関心のあるに携わる研究開発者・技術者・事業担当者

受講レベル

初～中級者向け
※受講レベルについて

受講についての補足

※領収書をご希望の方は、ご購入後にDeliveru（デリバル）にログインをして、領収書をダウンロードしてください。

※当講座では、同一部署の申込者様からのご紹介があれば、何名でもお1人につき16,500円で追加でお申し込みいただけます (申込者様は正規料金、お2人目以降は16,500円となります)。
2名以上の場合は、ファシオ・セミナー事務局までご連絡ください。

質問方法

セミナー担当 webinar@andtech.co.jp

配布資料

なし

※資料がある場合、動画の視聴ページからダウンロードができます。
※視聴期間の終了後はダウンロードできなくなります。

修了証の発行

なし

※「あり」の場合、動画の視聴ページからダウンロードができます。
※視聴期間の終了後はダウンロードできなくなります。

提供方法

Zoom配信

講師のプロフィール

講師名

東北大学　金属材料研究所　　計算材料学センター　センター長・教授　久保　百司　氏

経歴

1990年3月　京都大学工学部石油化学科卒業
1992年3月　京都大学大学院工学研究科石油化学専攻修士課程修了
2008年1月　東北大学大学院工学研究科教授
2015年3月　東北大学金属材料研究所教授
2017年4月　東北大学金属材料研究所計算材料学センター・センター長
2016年～2019年度　文部科学省　ポスト「京」萌芽的課題「基礎科学の挑戦」課題責任者
2020年～2022年度　文部科学省　計算物質科学人材育成コンソーシアムPCoMS　コンソーシアム長
2023年～2025年度　文部科学省スーパーコンピュータ「富岳」成果創出加速プログラムDDCoMS 課題責任者