2023 年 7 月 24 日（月）15:30 ～17:50 小金井キャンパス 4 号館 1 階 L0411 教室
15:35-16:20 「シミュレーションの基礎と産業界での活用例」Basics of simulation and examples of industrial applications
構造計画研究所 加藤翔真 氏 (Kozo Keikaku Engineering Inc.)
近年、理論・実験に加えて第３の検討手法としてシミュレーション技術に注目が集まっています。天気予報、人（群衆）の動きの予測、経済動向の予測、電波の伝わり方の予測等々、幅広い分野で活用されています。中でも、製造業（化学・機械・食品・製薬メーカーなど）での「製造プロセスの効率化、高性能化」はシミュレーション技術が多く使われる場面の一つであり、特に流体や粉体に関係する製造プロセスでの活用は多くなっています。撹拌や流動化、搬送のような化学工学・物理工学で扱ってきたようなプロセスも、シミュレーションという立場から見ることで違った観点を持つことができるかもしれません。今回のセミナーではそもそもシミュレーションとはどういうものなのかというシミュレーションの基礎に加えて、実際の現場でどのようにシミュレーション技術が活用されているのかについて実例を交えてご紹介します。In recent years, in addition to theory and experiment, simulation technology has attracted attention as a third examination method. It is used in a wide range of fields, such as weather forecasting, predicting the movement of people (crowds), predicting economic trends, and predicting the transmission of radio waves. Among them, “Efficient and high-performance manufacturing processes” in the manufacturing industry (chemical, machinery, food, pharmaceutical, etc.) is one of the scenes where simulation technology is often used, especially in manufacturing processes related to fluids and powders. Processes such as agitation, fluidization and transport, which have been dealt with in chemical and physical engineering, may be viewed differently from a simulation perspective. In this seminar, we will introduce the basics of simulation, which is what simulation is all about in the first place, as well as how simulation technology is used in the actual field, with examples.
16:20-17:05 「製造分野でのドメイン知識グラフと機械学習モデルの融合」Combining Domain Knowledge Graphs and Machine Learning Models in Manufacturing
日立製作所 堀脇和樹 氏 (Hitachi, Ltd.)
昨今，深層学習による機械学習モデルの予測精度向上に伴い，より多くの産業分野において機械学習モデルが活用されています。しかし，機械学習モデルを実適用するにあたり，立ち上げ時のデータ数の少なさや予測結果の解釈において様々な課題があります。本講演では，産業分野における機械学習モデルの活用時の課題とそれらを解決する取り組みであるドメイン知識と機械学習モデルを融合した技術について紹介します。本講演では特に協創案件での製造プロセス上の品質不良分析において，ドメイン知識を利用した Bayesian Network モデルとGraph Neural Network モデルの構築ならびに活用方法と，その実施例について紹介します. Recently, machine learning models are being utilized in more industrial fields as the prediction accuracy of machine learning models is improved by deep learning. However, when applying machine learning models in practice, there are various challenges in the small number of data at start-up and the interpretation of prediction results. In this lecture, the challenges of using machine learning models in the industrial field, and the efforts to solve them, the technologies that combine domain knowledge and machine learning models, will be introduced. In particular, for the analysis of quality defects in manufacturing processes in the co-creation project, the construction and application methods of Bayesian Network model and Graph Neural Network model using domain knowledge, and their practical examples will be introduced.
17:05-17:50 「材料・プロセス開発を加速する生成 AI 及びマルチモーダル AI」 Generative AI and multimodal AI to accelerate materials and process development
産業技術総合研究所 ナノカーボンデバイス研究センター 室賀駿 氏 (Research Center for Nano-Carbon Devices, National Institute of Advanced Industrial Science and Technology)
研究開発の高効率化を背景に、近年材料・プロセス分野におけるデータサイエンスを活用したマテリアルズ・インフォマティクス及びプロセス・インフォマティクスの重要性が高まっている。こうした背景の中で近年着目を集めている生成モデルやマルチモーダル AI を用いた事例を紹介し、研究開発における考え方や今後の未来を担う学生にとってどういう点を学んでおくべきかに関して議論を展開する In recent years, the importance of materials informatics and process informatics using data science in the field of materials and processes has increased against the backdrop of higher efficiency in research and development. In this context, we introduce examples using generative models and multi-modal AI, which have attracted attention in recent years, and discuss how to consider research and development and what needs to be learned for students who will lead the future.