素材開発にAIをフル活用！マテリアルズ・インフォマティクスとは？
MIは、この機械学習に加え、物性理論、実験、シミュレーション、 データベース、クラウド、 ロボティクス、 プラットフォーム、IoT、通信、セキュリティ……などなど、様々な技術が統合されて成り立っている分野といえます。
さて、MIの非常に大雑把なイメージが図に描かれています。科学者と人工知能が一緒になって材料開発をしていくというイメージです。この図で重要なのが、MIの主役は物理・化学・材料学などの専門知識を持った科学者、つまり人間であり、人工知能や機械学習は、あくまで人間をアシスト（補助）するツールであるという点です。
囲碁AIや将棋AIの場合は、すでに人間を凌駕した存在になってしまったと言えますが、それは、ボードゲームで解くべき問題が比較的単純だからです。例えば将棋の場合、試合の進め方や駒の動かし方といった“ルール”が明確に決められており、相手に勝つ（相手棋士の王将をとる）という“目的”もはっきりしています。
こういった問題はAI（機械学習）に任せやすい領域です。一方、材料開発の場合は特に決まった“ルール”というものがありません。どんな材料をどのように作るかは自由です。このように“ルール”が曖昧な分野の問題を、機械学習で解くのは大変です。
例えば、将棋AIに将棋のルールを与えず、相手に勝つ（相手棋士の王将をとる）という目的だけ与えたとしましょう。するとどうなるでしょうか。もしかしたら、『相手棋士を殴って王将を奪い取る』という行動が、目的を達成するために最も効率的な選択になるかもしれません。
将棋のルールが与えられている場合は、盤面のことだけを考えていればよいのですが、ルールが曖昧になった途端、相手棋士の筋肉量・反射神経など色々なことを考慮する必要が出てきます。上記は極端な例ですが、このようにルールが曖昧になると、考えなければならない事柄が爆発的に増え、問題が難しくなります。
材料開発は、まさにこのルールが曖昧な分野です。そのため、AIや機械学習さえあればすべて解決する分野ではありません。人間が、物理・化学・材料学などの専門知識を使って上手に材料開発における問題設計（ルールや目的の設定）をし、その問題を解くのに適した機械学習を使いこなしながら、材料開発を進めるということが重要になるのです。
（第一章「マテリアルズ・インフォマティクスとは」p2-4より）
書籍紹介
マテリアルズ・インフォマティクス 材料開発のための機械学習超入門
岩崎 悠真 著、A5判、152ページ、税込2,592円
材料開発を効率的に行うため、材料科学とデータ科学を融合させたマテリアルズ・インフォマティクス(MI)が注目されています。本書は、そんなMIの基礎と、MIに欠かせない機械学習を学ぶ、「超」入門書です。
著者紹介
岩崎悠真
NEC中央研究所 システムプラットフォーム研究所主任
JSTさきがけ研究員「理論・実験・計算科学とデータ科学が連携・融合した先進的マテリアルズ・インフォマティクスのための基盤技術の構築」
販売サイトへ
[https://www.amazon.co.jp/%E3%83%9E%E3%83%86%E3%83%AA%E3%82%A2%E3%83%AB%E3%82%BA%E3%83%BB%E3%82%A4%E3%83%B3%E3%83%95%E3%82%A9%E3%83%9E%E3%83%86%E3%82%A3%E3%82%AF%E3%82%B9-%E6%9D%90%E6%96%99%E9%96%8B%E7%99%BA%E3%81%AE%E3%81%9F%E3%82%81%E3%81%AE%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E8%B6%85%E5%85%A5%E9%96%80-%E5%B2%A9%E5%B4%8E-%E6%82%A0%E7%9C%9F/dp/4526079863{amazon}]
[https://books.rakuten.co.jp/rb/15969814/{Rakuten}]
[https://store.shopping.yahoo.co.jp/boox/bk-4526079863.html?sc_i=shp_pc_search_itemlist_shsrg_img_blbl{Yahoo!ショッピング}]
[http://pub.nikkan.co.jp/books/detail/00003435{日刊工業新聞ブックストア}]
目次
第1章 マテリアルズ・インフォマティクスとは
機械学習とマテリアルズ・インフォマティクス
機械学習さえあればすべて解決するの？
材料開発における機械学習のメリット
第2章 材料開発における機械学習の基礎知識
機械学習ってそもそも何？
予測性能が良いと『真のモデル』に近いの？
相関関係と因果関係
第3章 機械学習アルゴリズムとその材料開発への応用
線形回帰と蓄電池材料開発
ニューラルネットワーク(MLP)とSiC材料シミュレーション
階層的クラスタリングと結晶構造解析
↓画像をクリックしてamazonへ↓
[https://www.amazon.co.jp/%E3%83%9E%E3%83%86%E3%83%AA%E3%82%A2%E3%83%AB%E3%82%BA%E3%83%BB%E3%82%A4%E3%83%B3%E3%83%95%E3%82%A9%E3%83%9E%E3%83%86%E3%82%A3%E3%82%AF%E3%82%B9-%E6%9D%90%E6%96%99%E9%96%8B%E7%99%BA%E3%81%AE%E3%81%9F%E3%82%81%E3%81%AE%E6%A9%9F%E6%A2%B0%E5%AD%A6%E7%BF%92%E8%B6%85%E5%85%A5%E9%96%80-%E5%B2%A9%E5%B4%8E-%E6%82%A0%E7%9C%9F/dp/4526079863{
