第51回IEEE EPS Japan Chapter イブニングミーティング
51st IEEE EPS Japan Chapter Evening Meeting
主催: IEEE EPS Japan Chapter
日時： 2021年9月24日(金) 16:00 - 18:20
ZoomによるWeb開催
プログラム Programs
■ 16:00 - 16:05
開会の挨拶：IEEE EPS Japan Chair 日暮栄治（産総研）
Opening remarks by Dr. Eiji Higurashi, Chair, IEEE EPS Japan Chapter (AIST)
■ 16:05 – 17:05
計測・評価の自律化：計測実験の最適化とデータ解析の自動化
Autonomous material characterization
小野寛太氏（大阪大学・高エネルギー加速器研究機構）
Presenter: Dr. Kanta Ono (Osaka University; KEK)
概要
材料科学のさらなる発展のためには材料の計測・評価の自律化を実現する必要があると考えている。
自律化では従来は専門家が行っていた人間の意思決定の大部分をシステムが担い、最適な実験計画の自動策定、データ解析の自動化により、計測の効率や再現性の向上が期待されるほか、従来の方法では不可能と思われていた高精度の計測・評価を実現することができる。
計測実験の最適化とデータ解析の自動化に関する事例を紹介するとともに、計測・評価の自律化について議論する。
Abstract
For the further development of materials science, it is necessary to realize the autonomous characterization of materials.
In the autonomous system, the system will take over most of the human decision-making that skilled experts previously did and is expected to improve the efficiency and reproducibility of materials characterization by automatically performing optimal experiments and automated data analysis.
We will present examples of optimized characterization experiments and automated data analysis and discuss autonomous materials characterization.
■ 17:05 – 17:15 休憩 Break
■ 17:15 - 18:15
半導体Siの結晶成長プロセスにおける機械学習応用
Application of machine learning to the crystal growth process of semiconductor Si
沓掛健太朗氏（理化学研究所）
Dr. Kentaro Kutsukake (RIKEN)
概要
機械学習は、データから有用な法則を導く手法の総称であり、特に大量データ（いわゆるビッグデータ）に基づいて複雑な関係をモデル化する深層学習が様々な分野で実用化している。一方、何らかの制約によって十分なデータ数を収集できない場合、少ないデータを効率的に活用して予測モデルの学習や意思決定を行うための機械学習手法も近年注目を集めている。本講演では、前者の機械学習の応用事例として、チョクラルスキー法によって成長したSiインゴット中の酸素不純物濃度のリアルタイム予測を、後者の機械学習の応用事例として化学気相堆積法によるSiエピタキシャル成長におけるプロセス条件のベイズ最適化を紹介する。
Abstract
Machine learning is a method that derives useful rules from data. In particular, deep learning that models complex relationships based on large amounts of data (so-called big data) has been put to practical use in various fields. On the other hand, in recent years, machine learning methods for efficiently utilizing a small amount of data have also attracted attention when a sufficient number of data cannot be collected due to some restrictions. In this talk, we will present real-time prediction of oxygen impurity concentration in Si ingot grown by Czochralski method as the former application example and Bayesian optimization of the process conditions in Si epitaxial growth by chemical vapor deposition method as the latter application example.
■ 18:15 – 18:20
閉会の挨拶： IEEE EPS Japan Vice Chair 田久真也（リンテック）
Closing remarks by Mr. Shinya Takyu, Vice Chair, IEEE EPS Japan Chapter (LINTEC Corporation)
参加費 Registration Fee
| IEEE EPS会員 |
無料 |
| IEEE会員 |
1,000円 |
| JIEP会員 |
2,000円 |
| 一般 |
3,000円 |
なおお支払い方法は銀行振込のみになります。
申し込み方法 Registration
参加希望の方は、2021年9月22日（木）までに下記申し込みフォームからお申し込みください。WebinarのURLとパスワードはイブニングミーティングの前日ないし前々日にお知らせします。
参加申し込みフォーム
スマートホンからも申し込みできます。このQRコードを読み取ってリンク先にアクセスしてください。
所属機関のセキュリティの関係で上記フォームからの申し込みができない場合、スマートホンをお持ちでない場合には、必要情報を下記申込先へメールでお申し込み下さい。
また、お問い合わせの際も、下記へ連絡下さい。
申込先
産業技術総合研究所 高橋健司
kenji.takahashi@aist.go.jp
-----申し込み必要情報-----
メールタイトル：[申し込み] 第51回EPSイブニングミーティング参加
氏名：
所属：
会員資格：IEEE EPS or IEEE or JIEP or 一般
会員番号（会員の場合のみ）：
請求書・領収書の宛名：
＊宛名の指定がない場合、所属名で発行させて頂きます。
----------ここまで------------
------------------
Copyright © IEEE EPS JAPAN CHAPTER, All Rights Reserved.
