【第15回NIMSフォーラム】マテリアルズ・インフォマティクス（ショート講演1）

Size: px

Start display at page:

Download "【第15回NIMSフォーラム】マテリアルズ・インフォマティクス（ショート講演1）"

いっけいまるこ
7 years ago
Views:

1 マテリアルズインフォマティクスとは何か - 物質材料科学とデータ駆動科学 - 東京大学大学院新領域創成科学研究科岡田真人

2 自己紹介大阪市立大学理学部物理学科 ( ) アモルファスシリンコンの成長と構造解析大阪大学大学院理学研究科 ( 金森研 ) ( ) 希土類元素の光励起スペクトルの理論三菱電機 ( ) 化合物半導体 ( 半導体レーザー ) のエピタキシャル結晶成長大阪大学大学院基礎工学研究科生物工学 ( ) ニューラルネットワーク ( 人工知能 ) JST ERATO 川人学習動態脳プロジェクト ( ) 計算論的神経科学理化学研究所脳科学総合研究センター甘利チーム ( /06) 情報統計力学ベイズ推論, 機械学習, データ駆動型科学東京大学大学院新領域創成科学研究科複雑理工学専攻物質科学再開 ( 強相関, 表面, 地球惑星科学 ) (2004/07 ) JST ERATO 岡ノ谷情動情報 PJ GL (2008/ /3) NIMS 情報統合型物質材料開発イニシアティブ物理モデリンググループ GL (2015/8 -

3 内容マテリアルズインフォマティクス (MI) の背景 MIとバイオインフォマティクス (BI) の相違点構造材料を例とするMI 具体例文科省新学術領域疎性モデリングの紹介データ駆動科学の三つのレベルとMI 2 Iの構成物質材料開発へのデータ駆動的アプローチ

4 アメリカビッグデータプロジェクト始動朝日新聞 2012 年 5 月 26 日 2012 年 3 月 29 日オバマ発表. 予算 2 億ドルビッグデータ研究開発イニシアティブ始動膨大な量のデータ管理や分析を必要とする最先端中核技術の発展を促すことその技術を科学や工学分野における発見国家安全保障の強化教育に役立てることビッグデータ技術分野の人材育成を達成すること

5 データ科学 :Jim Gray ( ) 第 1 の時代 : 経験科学 ( 数千年前アリストテレス ) 第 2 の時代 : 理論科学 ( 数百年前ライプニッツ ) 第 3 の時代 : 計算科学 ( 数十年前フォンノイマン ) 第 4 の時代 : データ科学

6 内容マテリアルズインフォマティクス (MI) の背景 MIとバイオインフォマティクス (BI) の相違点構造材料を例とするMI 具体例文科省新学術領域疎性モデリングの紹介データ駆動科学の三つのレベルとMI 2 Iの構成物質材料開発へのデータ駆動的アプローチ

7 BI と MI の相違点バイオインフォマティクス (BI) の典型例は遺伝子情報処理 BI: DNA チップからの情報抽出 DNA チップを 21 世紀に手にする医学者, 生物学者病気の情報は入っているはずだが,DNA チップのパターンと, 病気の関係を因果的に追うことは不可能. 機械学習 / 高次元データ解析の導入

8 BI と MI の相違点物質材料科学 18 世紀の産業革命 : 鉄は国家なり紙と鉛筆と計算尺でデータ解析第一原理にによるフォワードモデル第 3の時代 : 計算科学先見的知識 ( 物質材料科学の知見 ) が豊富データ解析の結果と先験的知識の整合性が常に問われる.

9 内容マテリアルズインフォマティクス (MI) の背景 MIとバイオインフォマティクス (BI) の相違点構造材料を例とするMI 具体例文科省新学術領域疎性モデリングの紹介データ駆動科学の三つのレベルとMI 2 Iの構成物質材料開発へのデータ駆動的アプローチ

10 データ駆動型物質材料科学の三つのステッププロセス構造組織パラメータ機能プロセスパラメータ特徴量望ましい特性 x y z 設計フォワードモデル p(y x) 大規模計算階層モデリング p(x y) 逆問題キーテクロジー有効モデル抽出ベイズ的モデル選択, スパースモデリング近似的ベイズ計算ディープラーニング ( 第 3 次人工知能 /NN) z = g(y) 記述子抽出経験的アプローチキーテクロジースパースモデリング (SpM) 疎性モデリング HP アップ予定

11 データ駆動型物質材料科学の三つのステッププロセス構造組織パラメータ機能プロセスパラメータ特徴量望ましい特性 x y z フォワードモデル設計 z = g(y) NIMS の HP より掲載

12 データ駆動型物質材料科学の三つのステッププロセス構造組織パラメータ機能プロセスパラメータ特徴量望ましい特性 x y z フォワードモデル設計 p(y x) 大規模計算階層モデリング p(x y) 逆問題キーテクロジー有効モデル抽出ベイズ的モデル選択, スパースモデリング近似的ベイズ計算ディープラーニング ( 第 3 次人工知能 /NN) z = g(y) 記述子抽出経験的アプローチキーテクロジースパースモデリング (SpM) 疎性モデリング HP アップ予定

13 内容マテリアルズインフォマティクス (MI) の背景 MIとバイオインフォマティクス (BI) の相違点構造材料を例とするMI 具体例文科省新学術領域疎性モデリングの紹介データ駆動科学の三つのレベルとMI 2 Iの構成物質材料開発へのデータ駆動的アプローチ

14 H25 29 年度新学術領域スパースモデリングの深化と高次元データ駆動科学の創成領域代表東京大学大学院新領域創成科学研究科複雑理工学専攻岡田真人

15 スパースモデリングに関するマスコミ報道テレビ NHK サイエンス ZERO 2015 年 8 月 23 日放送, 情報科学の名探偵! 魔法の数式スパースモデリングテレビ NHK 徳島ニュース 2015 年 9 月 14 日放送, ビッグデータ解析で津波予測新聞朝日新聞, 2015 年 1 月 19 日人工知能でカンニングを発見京大などがプログラム開発新聞日本経済新聞, 2015 年 5 月 3 日宇宙や津波, 数学で迫る - 少ないデータで本質解析 - 新聞日刊工業新聞, 2015 年 8 月 31 日ビッグデータ絞り込み高速高精度に - 東大圧縮センシングの解析因子の評価技術開発 Web 日経産業新聞, 財経新聞, 2014 年 11 月 28 日元素含有量で津波堆積物を識別

16 研究領域の目的及び概要研究体制のコア形成目的 : 高次元データ駆動科学の創成大量の高次元データから仮説 ( モデル ) を系統的に導く方法論を生物, 地学分野に確立し, それを実践するための研究体制のコアを我が国に形成する. 3つの戦略 1. スパースモデリング (SpM) に重点投資今後 5 年で飛躍的発展が確実視される枠組み 2. 分野の壁を取り去り, 知識伝播を飛躍的に加速分野をまたぐモデルの構造的類似性を明確化 3. 実験家と理論家との有機的協働仮説の提案 / 検証ループを効率的に稼働させる体制 4/44

スパースモデリング (SpM) スパース原理による極限計測潜在構造抽出計測データ

å i + l x i データの再構成スパースな変数 O( 2 N ) O( N 3

17 スパースモデリング (SpM) スパース原理による極限計測潜在構造抽出計測データ y スパース化原情報潜在変数 x 付録スライド 3 8 参照 y F 1 F 2 F i : 基底 F N x 非 0 0 スパースモデリング潜在変数がスパース (0が多い) 状況で, 方程式を解く E( x) = y -åf i x i i 2 å i + l x i データの再構成スパースな変数 O( 2 N ) O( N 3 ) ある条件下で,L1 と L0 が一致する数理的証明 [Candes-Tao, 2005] 5/44

18 1 次関数とスパースモデリングスパース原理 ( 先入観の積極的活用 ) E(x, y) = (ax + by -c) 2 + l(x 2 + y 2 ) E(x, y) = (ax + by -c) 2 + l( x + y ) c = ax + by c = ax + by 解はスパースではない解はスパース

19 幅広い生物地学分野の喫緊のテーマ各分野のフラッグシップを選定 A01-1: 医学班 ( 富樫京大 ) 新たな診断治療の実現 A01-2: 生命科学班 ( 木川理研 ) タンパク科学の質的変化 A01-3: 脳科学班 ( 谷藤理研 ) モノを見分ける脳のしくみ A02-1: 地球科学班 ( 駒井東北大 ) 津波防災対策への提言 A02-2: 惑星科学班 ( 宮本東大 ) 次世代探査戦略の創出 A02-3: 天文学班 ( 本間国立天文台 ) ブラックホールの直接撮像スパースモデリングの有用性が確実視できる題材を選定これらを起爆剤に公募研究周辺分野に成果を波及

20 スパースモデリングの物質材料科学への応用合金のクラスターモデルへの適用第一原理計算からの非調和フォノンの有効モデル抽出プロセス構造組織パラメータ機能プロセスパラメータ特徴量望ましい特性 x y z 設計フォワードモデル p(y x) 大規模計算階層モデリング p(x y) 逆問題 z = g(y) 記述子抽出経験的アプローチキーテクロジースパースモデリング (SpM)

21 スパースモデリングの深化と高次元データ駆動科学の創成実験計測グループ A01,A02 医学生命科学脳科学地球科学惑星科学天文学モデリンググループ B01 計測モデリングスパースモデリング物理モデリング情報科学グループ C01 非線形セミパラベイズ大自由度系可視化 7/40

22 内容マテリアルズインフォマティクス (MI) の背景 MIとバイオインフォマティクス (BI) の相違点構造材料を例とするMI 具体例文科省新学術領域疎性モデリングの紹介データ駆動科学の三つのレベルとMI 2 Iの構成物質材料開発へのデータ駆動的アプローチ

23 データ解析 : 知りたいことが不足しているデータからどう知るか (Ben-Av and Shifrar, 1992) (Okada, Nishina and Kawato, 2003)

24 視覚計算の不良設定性 ( 小窓問題 )

25 視覚計算の不良設定性 ( 小窓問題 ) 三つの小窓から見える三本の線分は, まるで一本の千分の一部であるように, 同一直線上に乗り移動する. (Ben-Av and Shifrar, 1992) (Okada, Nishina and Kawato, 2003)

26 David Marr の 3 つのレベル David Marr は複雑な情報処理装置を理解するには以下の 3 つのレベルが必要であると説いた計算理論情報処理 ( データ解析 ) の目標, 方略, 適切さ表現とアルゴリズム計算理論の表現 ( ベイズ推論 ) と, そのアルゴリズムハードウェア実装アルゴリズムがどのように物理的に実現されるか 14/52

27 高次元データ駆動科学の学理の原点の創成 David Marr が指摘した三つのレベルを参考に, データ駆動科学の三つのレベルを提唱し, データ駆動科学の学理の原点に位置付けた. 2-3 ( A01,A02) ( ) (B01) ( C01) ( )

28 モデル G を要とした領域の融合モデリング原理の確立 A01, A02 G B01 G C01 G /40

29 データ駆動科学の三つのレベル NIMS 情報統合型物質材料開発イニシアティブ本新学術領域疎性モデリング実験計測 G A01,A02 モデリング G B01 情報科学 G C01 NIMS 情報統合型物質材料開発イニシアティブ蓄電池 G 磁性 G 伝熱制御 G 物理モデリング G データ科学 G

30 内容マテリアルズインフォマティクス (MI) の背景 MIとバイオインフォマティクス (BI) の相違点構造材料を例とするMI 具体例文科省新学術領域疎性モデリングの紹介データ駆動科学の三つのレベルとMI 2 Iの構成物質材料開発へのデータ駆動的アプローチ

31 人工知能との関係第 3 次人工知能ブーム IBM ワトソン第 3 次ニューラルネットワークブームディープラーニング知識駆動型人工知能記号処理, テキストマイングデータ駆動型人工知能機械学習 ( カーネル法, ベイズ推論, ディープラーニング ) MI については, データ駆動型先行で進み, 後ほど知識駆動型を導入し, 統合する方向

32 データ駆動型物質材料科学の三つのステッププロセス構造組織パラメータ機能プロセスパラメータ特徴量望ましい特性 x y z 設計フォワードモデル p(y x) 大規模計算階層モデリング p(x y) 逆問題キーテクロジー有効モデル抽出ベイズ的モデル選択, スパースモデリング近似的ベイズ計算ディープラーニング ( 第 3 次人工知能 /NN) z = g(y) 記述子抽出経験的アプローチキーテクロジースパースモデリング (SpM) 疎性モデリング HP アップ予定

率九州 ( 工 -エネルギー科学) 新潟 ( 工 - 力学 ) 神戸 ( 海事科学 ) 60.0 ( 工 - 化学材料 ) 岡山 ( 工 - 機械システム系 ) 北海道 ( 総合理系 - 化学重点 ) 57.5 名古屋工業 ( 工 - 電気機械工 ) 首都大学東京

率九州 ( 工 -エネルギー科学) 新潟 ( 工 - 力学 ) 神戸 ( 海事科学 ) 60.0 ( 工 - 化学材料 ) 岡山 ( 工 - 機械システム系 ) 北海道 ( 総合理系 - 化学重点 ) 57.5 名古屋工業 ( 工 - 電気機械工 ) 首都大学東京率 93 東京工業 ( 生命理工 - 生命理工 ) 67.5 東京 ( 理科一類 ) 67.5 90 九州 ( 工 - 機械航空工 ) 67.5 ( 理科二類 ) 67.5 89 九州 ( 工 - 電気情報工 ) 65.0 京都 ( 工 - 情報 ) 65.0 87 筑波 ( 理工 - 工学システム ) 九州 ( 工 - 建築 ) 65.0 86 北海道 ( 工 - 情報エレクトロニクス ) 60.0