📰 概要
材料開発のスピードと効率を飛躍的に向上させる「マテリアルズ・インフォマティクス（MI）」を取り入れたいと考えたことはありますか。MIは、データ科学の力を使って新しい材料を効率的に探索・開発する革新的なアプローチとして、今、大きな注目を集めています。

本書は、Pythonを用いてマテリアルズ・インフォマティクスの一連のワークフローをハンズオンで学ぶための入門書です。単純な物性予測から始まり、機械学習モデルの解釈、性能チューニング、さらには「欲しい物性を持つ未知の材料」を探索する逆問題設計、そして最終的には対話的なWebアプリケーションの開発まで、MIの核心技術を体系的に解説しています。

この機会に是非、実践的なマテリアルズインフォマティクスを始めてみませんか。

👫 対象とする読者
・マテリアルズ・インフォマティクス（MI）を扱ったことがないが興味がある人
・Pythonを用いたデータ解析や機械学習に挑戦したい材料科学系の学生・研究者・技術者
・自身の研究や業務にMIを導入し、開発を効率化・高度化したいと考えている人
・データ前処理、モデル構築、解釈、最適化、逆問題設計というMIの一連のフローを体系的に学びたい人

💰 販売価格
¥2000で販売しております！

本技術書は随時アップデートされていきます。 一度購入された方はアップデートされたとしても追加料金は発生しませんのでご安心ください。

📰 アップデート情報
2025/9/10: リリースしました！

マテリアルズインフォマティクス（MI）入門：Pythonによる物性予測から逆問題設計まで

まえがき

構成（目次）

📘 第 1 章：線形回帰で挑む物性予測と『モデル限界』

📰 関連理論の解説

📰 コピペで動くコード全文

📰 コードの詳細解説

📰 実行結果と考察

📘 第 2 章：勾配ブースティングによる高精度な物性予測

📘  第 3 章：SHAP によるモデル解釈 - 予測根拠を定量的に説明する

📘  第 4 章：Optuna によるベイズ最適化で実践するハイパーパラメータチューニング

📘  第 5 章：特徴量エンジニアリング ― 物理記述子と「次元の呪い」

📘  第 6 章：アンサンブル学習を用いた不確実性評価（UQ）

📘  第 7 章：多目的最適化とパレートフロント

📘  第 8 章：AI は新材料を発見できるか？ｰ HTVS による仮想材料探索

📘  第 9 章：ベイズ最適化による効率的材料探索

📘  第 10 章：MI を届けよう！Streamlit で機械学習 Web アプリ開発