第二分科会

タイトル

　分子科学のための実践的な機械学習〜基礎から最新の応用まで〜

• 講師：椿 真史 先生　(産業技術総合研究所・主任研究員) 研究室HP

• 担当：藁谷 広夢　(金沢大学 D1)

• 担当連絡先：sec2(at)ymsa.jp

※お手数ですが、連絡等の際は(at)を@に変更してご送信ください。

※お問い合わせ内容によっては、上記以外の役員が回答する場合がございます。

紹介文

本分科会では、分子科学に必要な機械学習手法を、実践を重視して効率的に学びます。教科書的な理論や数式に偏らず、プログラミングやモデルの実装を通して、具体的なデータやモデルの扱い方を身に付けます。講義では基本的な線形モデルから、カーネル法や深層学習、そしてノーベル化学賞を受賞したタンパク質構造予測モデルであるAlphaFoldで用いられた最新のトランスフォーマーまでを解説し、これらの手法を統一的な視点から理解します。さらに、これらの手法を分子科学の研究にどのように応用できるのかを、私自身の研究事例も交えて紹介します。 

講義概要（予定）

  I. イントロダクション 

　   I-1. データ分析と機械学習 

　   I-2. 物理化学の例題を機械学習で解く 

　   I-3. 機械学習の落とし穴 

 II. 物理化学データのための機械学習 

　  II-1. 線形回帰モデル 　

　  II-2. 多重共線性の罠とリッジ回帰 　

　  II-3. 変数選択としてのラッソ回帰 　

　  II-4. さまざまな非線形モデル（カーネル法・勾配ブースティング・その他） 　

　  II-5. Scikit-learnによる実装 

III. 深層学習の基礎 　

　 III-1. 深層学習の基礎 　

　 III-2. 誤差逆伝播法による学習 　

　 III-3. PyTorchによる深層学習の実装 　

　 III-4. トランスフォーマーの基礎 　

　 III-5. PyTorchによるトランスフォーマーの実装 

IV. 深層学習の応用 　

　 IV-1. トランスフォーマーのさまざまな応用（言語・画像・その他） 　

　 IV-2. グラフトランスフォーマーの基礎 　

　 IV-3. グラフトランスフォーマーの分子データへの応用 　

　 IV-4. AlphaFoldを理解する 　

　 IV-5. AlphaFoldを実装する 

 V. 最新の研究紹介 　

　  V-1. AI創薬の応用事例 　

　  V-2. マテリアルズ・インフォマティクスの応用事例 　

　  V-3. 私の研究紹介 

第二分科会担当者コメント

　　　担当：藁谷 広夢　(金沢大学 D1)

第二分科会では、産業技術総合研究所および東京大学でご活躍されている椿 真史先生を講師としてお迎えし、機械学習を分子科学にどのように生かすのかを、基礎から最前線まで一貫して学べる講義をしていただきます。

近年、機械学習は材料開発、創薬、分子設計、スペクトル解析など、分子科学のさまざまな場面で急速に存在感を高めています。一方で、実際に研究で活用しようとすると、「理論書は難しい」「実装方法が分からない」「流行の手法は聞いたことがあっても、自分の研究にどうつながるのか見えにくい」と感じる方も多いのではないでしょうか。そうした壁を越えるためには、数式や理論を断片的に学ぶだけでなく、具体的なデータやモデルに触れながら、手を動かして理解していくことが重要です。

本分科会では、線形回帰やリッジ回帰・ラッソ回帰といった基本的な手法から、カーネル法、勾配ブースティング、深層学習、さらにはAlphaFoldにもつながるトランスフォーマーまで、幅広いテーマが予定されています。基礎的な内容から最新の話題までを一貫して学べる構成となっており、機械学習の全体像を見通すうえでも興味深い講義になるのではないかと思います。

また、講義の後半では、AI創薬やマテリアルズ・インフォマティクスといった最新の応用事例に加え、椿先生ご自身の研究紹介も予定されています。教科書的な知識にとどまらず、実際の研究現場で機械学習がどのように使われているのかを知ることで、受講者それぞれが自身の研究との接点を見いだせるはずです。

機械学習にこれから触れてみたい方はもちろん、すでに興味を持っているものの体系的に学ぶ機会がなかった方、あるいは自分の研究への応用可能性を探りたい方にも、非常におすすめできる分科会です。分子科学と機械学習の接点を、基礎から実践、そして最先端の応用まで一緒に学んでみませんか。皆様のご参加を心よりお待ちしております。