改訂版 Pythonではじめるマテリアルズインフォマティクス ChatGPTを活用しよう

関連サイト

本書の関連ページが用意されています。

• 改訂版 Pythonではじめるマテリアルズインフォマティクス（近代科学社ウェブサイト）

内容紹介

本書ではPythonを使ったマテリアルズインフォマティクスの手法として、物質科学に関するデータ（特に無機物質）を主に扱い、データ解析学の基礎から非等長説明変数を用いるアルゴリズムまでをまとめています。

物質科学の世界では物質ごとに収集できる変数の数が異なる（非等長説明変数）場合が多く、実践でも苦労することを考慮して対応策を詳述。改訂にあたっては「ChatGPT」を使ったPythonコード作成の補助、データ解析の構築方法などを各章に取り入れることで、Pythonを扱ったことがない初学者にとっても挑戦しやすい内容になっています。

書誌情報

• 著者: 木野 日織, ダム ヒョウ-チ
• 発行日: 2025-01-31
• 最終更新日: 2025-01-31
• バージョン: 1.0.0
• ページ数: 260ページ(PDF版換算)
• 対応フォーマット: PDF, EPUB
• 出版社: 近代科学社Digital

対象読者

マテリアルズインフォマティクス,マテリアルズ・インフォマティクス,ケモインフォマティクス,AI,人工知能,ChatGPT,大規模言語モデル,有機化学,無機化学,教師あり学習,教師なし学習,Python,Jupyter Notebook,Scikit-learn,次元圧縮,分類,クラスタリング,ベイズ最適化に興味がある人

著者について

木野 日織

1991 年　東京大学理学部物理学科卒
1996 年　東京大学大学院理学系研究科博士課程卒（理学博士）
1996 年　東京大学物性研究所物性理論部門助手などを経て 2002 年から（国）物質・材料研究機構に勤務する．
2015 年からの国立研究開発法人科学技術振興機構（JST）イノベーションハブ構築支援事業の一環として（国）物質・材料研究機構に情報統合型物質・材料開発イニシアティブ (MI2I) 発足時からデータマイニングを行う．データ駆動 AI では物性物理の知識を活かした説明・解釈可能な AI 技術，第一原理計算によるデータ生成，そのための知識駆動 AI 技術などに興味を持つ．

ダム ヒョウ-チ

1998 年　東京大学理学部物理学科卒
2003 年　北陸先端科学技術大学院大学材料科学研究科物性科学専攻博士号
2005 年 10 月から北陸先端科学技術大学院大学知識科学研究科講師．2011 年 4 月から同テニュア付准教授．
2020 年 10 月から北陸先端科学技術大学院大学知識科学系教授．
学位は材料科学で取得．2005 年から材料科学とデータマイニングの融合に身を投じている．専門分野は材料科学，知識科学，計算材料科学，データサイエンス，マテリアルズインフォマティクス．データ駆動型アプローチを用いた知識抽出など，証拠理論を用いた類似度評価に興味があり，材料科学研究のための説明・解釈可能な AI 技術の開発に取り組む．

目次

第1章 導入

• 1.1 本書の目的その1
• 1.2 本書の目的その2
• 1.3 本書の目的その3
• 1.4 本書の目的その4

第2章 理論

• 2.1 予測問題
• 2.2 データ解析学手法の紹介
• 2.3 回帰・分類モデルの性能評価
• 2.4 データ解析学手法の四過程
• 2.5 説明変数の特徴の見い出し方
• 2.6 予測問題（再び）
• 2.7 新帰納法の世界
• 2.8 LLMの利用
• 2.9 LLMを用いた知識の取得例
• 2.10 LLMを用いたコード生成

第3章 準備

• 3.1 可視化可能な Pythonインタラクティブ環境
• 3.2 Python環境のインストール
• 3.3 サンプルコードとデータファイルの取得とインストール
• 3.4 物質データ
• 3.5 データ解析の事前準備

第4章 基礎

• 4.1 はじめに
• 4.2 回帰
• 4.3 次元圧縮
• 4.4 分類
• 4.5 クラスタリング

第5章 応用 1（等長説明変数）

• 5.1 はじめに
• 5.2 次元圧縮を併用したクラスタリング

第6章 応用 2（非等長説明変数）

• 6.1 はじめに
• 6.2 頻出パターンマイニング

付録A

• A.1 LLM に対する質問事項例
• A.2 Jupyter Notebook/Lab でのNotebook ファイルのPythonファイルへの変換方法