更新日： 集計期間:2025年10月29日～2025年11月25日
※当サイトの各ページの閲覧回数を元に算出したランキングです。
更新日： 集計期間:2025年10月29日～2025年11月25日
※当サイトの各ページの閲覧回数を元に算出したランキングです。
更新日： 集計期間:2025年10月29日～2025年11月25日
※当サイトの各ページの閲覧回数を元に算出したランキングです。
3406～3420 件を表示 ／ 全 6295 件
『Materials Studio』はバッテリー特性計算ができます【事例紹介】 論文事例を紹介いたします
ホーリーグラファイト内におけるイオンの拡散エネルギーをプロファイルすることで、 ホーリー構造の効果に対しての議論をMaterials Studioを用いて行っております ◇グラファイトアノードへの改善処理に伴う効果を確認できます 【製品特長】 ■「マテリアルズインフォマティクス(MI)」にも最適 ■材料開発を効率化するシュミレーションソフト ■より効率よく、より簡単に、新規材料開発に役立ちます ※詳しくはお気軽にお問い合わせ下さい
データはあるけど知識はない、知識はないけど使ってみたい、そんな企業様にぜひ！
■Excelなどに放り込んだデータは手元にあるけれど、活用の仕方が分からない ■知識はないけれど、一度データの分析がどういうものか体験してみたい ■過去のデータからどのような未来予測が出来るのか見てみたい といったお悩み・要望を『Neural Designer』 が解決・実現します！ 『Neural Designer』でカンタンに！ 今日からすぐにAIを！ 面倒なプログラミング、Python、TensorFlow、PyTorchの知識が無くても、すぐにAI、機械学習、深層学習、ディープラーニングが使いこなせます！ もちろん既にAI、機械学習、深層学習、ディープラーニングに取り掛かっている方にもオススメです。 特に自分の本業の支援の為にプログラミングをしている方、その面倒なプログラミングから開放されて、本業に注力しませんか？
データはあるけど知識はない、知識はないけど使ってみたい、そんな企業様にぜひ！
■Excelなどに放り込んだデータは手元にあるけれど、活用の仕方が分からない ■知識はないけれど、一度データの分析がどういうものか体験してみたい ■過去のデータからどのような未来予測が出来るのか見てみたい といったお悩み・要望を『Neural Designer』 が解決・実現します！ 『Neural Designer』でカンタンに！ 今日からすぐにAIを！ 面倒なプログラミング、Python、TensorFlow、PyTorchの知識が無くても、すぐにAI、機械学習、深層学習、ディープラーニングが使いこなせます！ もちろん既にAI、機械学習、深層学習、ディープラーニングに取り掛かっている方にもオススメです。 特に自分の本業の支援の為にプログラミングをしている方、その面倒なプログラミングから開放されて、本業に注力しませんか？
データはあるけど知識はない、知識はないけど使ってみたい、そんな企業様にぜひ！
■Excelなどに放り込んだデータは手元にあるけれど、活用の仕方が分からない ■知識はないけれど、一度データの分析がどういうものか体験してみたい ■過去のデータからどのような未来予測が出来るのか見てみたい といったお悩み・要望を『Neural Designer』 が解決・実現します！ 『Neural Designer』でカンタンに！ 今日からすぐにAIを！ 面倒なプログラミング、Python、TensorFlow、PyTorchの知識が無くても、すぐにAI、機械学習、深層学習、ディープラーニングが使いこなせます！ もちろん既にAI、機械学習、深層学習、ディープラーニングに取り掛かっている方にもオススメです。 特に自分の本業の支援の為にプログラミングをしている方、その面倒なプログラミングから開放されて、本業に注力しませんか？
データはあるけど知識はない、知識はないけど使ってみたい、そんな企業様にぜひ！
■Excelなどに放り込んだデータは手元にあるけれど、活用の仕方が分からない ■知識はないけれど、一度データの分析がどういうものか体験してみたい ■過去のデータからどのような未来予測が出来るのか見てみたい といったお悩み・要望を『Neural Designer』 が解決・実現します！ 『Neural Designer』でカンタンに！ 今日からすぐにAIを！ 面倒なプログラミング、Python、TensorFlow、PyTorchの知識が無くても、すぐにAI、機械学習、深層学習、ディープラーニングが使いこなせます！ もちろん既にAI、機械学習、深層学習、ディープラーニングに取り掛かっている方にもオススメです。 特に自分の本業の支援の為にプログラミングをしている方、その面倒なプログラミングから開放されて、本業に注力しませんか？
データはあるけど知識はない、知識はないけど使ってみたい、そんな企業様にぜひ！
■Excelなどに放り込んだデータは手元にあるけれど、活用の仕方が分からない ■知識はないけれど、一度データの分析がどういうものか体験してみたい ■過去のデータからどのような未来予測が出来るのか見てみたい といったお悩み・要望を『Neural Designer』 が解決・実現します！ 『Neural Designer』でカンタンに！ 今日からすぐにAIを！ 面倒なプログラミング、Python、TensorFlow、PyTorchの知識が無くても、すぐにAI、機械学習、深層学習、ディープラーニングが使いこなせます！ もちろん既にAI、機械学習、深層学習、ディープラーニングに取り掛かっている方にもオススメです。 特に自分の本業の支援の為にプログラミングをしている方、その面倒なプログラミングから開放されて、本業に注力しませんか？
データはあるけど知識はない、知識はないけど使ってみたい、そんな企業様にぜひ！
■Excelなどに放り込んだデータは手元にあるけれど、活用の仕方が分からない ■知識はないけれど、一度データの分析がどういうものか体験してみたい ■過去のデータからどのような未来予測が出来るのか見てみたい といったお悩み・要望を『Neural Designer』 が解決・実現します！ 『Neural Designer』でカンタンに！ 今日からすぐにAIを！ 面倒なプログラミング、Python、TensorFlow、PyTorchの知識が無くても、すぐにAI、機械学習、深層学習、ディープラーニングが使いこなせます！ もちろん既にAI、機械学習、深層学習、ディープラーニングに取り掛かっている方にもオススメです。 特に自分の本業の支援の為にプログラミングをしている方、その面倒なプログラミングから開放されて、本業に注力しませんか？
データはあるけど知識はない、知識はないけど使ってみたい、そんな企業様にぜひ！
■Excelなどに放り込んだデータは手元にあるけれど、活用の仕方が分からない ■知識はないけれど、一度データの分析がどういうものか体験してみたい ■過去のデータからどのような未来予測が出来るのか見てみたい といったお悩み・要望を『Neural Designer』 が解決・実現します！ 『Neural Designer』でカンタンに！ 今日からすぐにAIを！ 面倒なプログラミング、Python、TensorFlow、PyTorchの知識が無くても、すぐにAI、機械学習、深層学習、ディープラーニングが使いこなせます！ もちろん既にAI、機械学習、深層学習、ディープラーニングに取り掛かっている方にもオススメです。 特に自分の本業の支援の為にプログラミングをしている方、その面倒なプログラミングから開放されて、本業に注力しませんか？
データはあるけど知識はない、知識はないけど使ってみたい、そんな企業様にぜひ！
■Excelなどに放り込んだデータは手元にあるけれど、活用の仕方が分からない ■知識はないけれど、一度データの分析がどういうものか体験してみたい ■過去のデータからどのような未来予測が出来るのか見てみたい といったお悩み・要望を『Neural Designer』 が解決・実現します！ 『Neural Designer』でカンタンに！ 今日からすぐにAIを！ 面倒なプログラミング、Python、TensorFlow、PyTorchの知識が無くても、すぐにAI、機械学習、深層学習、ディープラーニングが使いこなせます！ もちろん既にAI、機械学習、深層学習、ディープラーニングに取り掛かっている方にもオススメです。 特に自分の本業の支援の為にプログラミングをしている方、その面倒なプログラミングから開放されて、本業に注力しませんか？
お手元のデータで故障予知、品質向上に！
『振動データを用いた故障時期予測』は弊社のデータマイニングサービス及びコンサルティングサービスです。 振動データ解析では、監視の方法やお手持ちのデータにより実施方法がいくつか想定されます。 本資料では振動データを用いた予測の手法とユーザー事例を分かりやすくご紹介します。 ※詳しくはカタログをご覧頂くか、お気軽にお問い合わせ下さい。
Particle-PLUS解析事例紹介「RFマグネトロンスパッタ解析」シミュレーション事例
プロセスプラズマを用いた成膜手法のひとつである、RFマグネトロンスパッタの解析事例です。 Particle-PLUSは真空チャンバ内のプラズマ解析を得意としており、 高速に成膜速度などのシミュレーションを行うことができます。 ◇『Particle-PLUS』の特徴 ・低圧プラズマ解析を得意とします ・軸対称モデルと鏡面対称境界条件を組み合わせで 装置全体のシミュレーションを行う必要なく、 高速に結果を得ることができます。 ・流体モデルでの計算が難しい低圧ガスでのプラズマシミュレーションを得意とします ・2D(2次元),3D(3次元)対応し、複雑なモデルでも効率良く解析できます ・自社開発ソフトの強みとして お客様の装置に合わせたカスタマイズも可能です ◆さまざまな計算結果を出力◆ ・ポテンシャル分布 ・電子・イオンの密度分布/温度分布/発生分布 ・壁への粒子フラックスとエネルギーフラックス ・壁への電子・イオンのエネルギースペクトル ・中性ガスの密度分布/温度分布/速度分布 など ※詳しくはお気軽にお問い合わせ下さい。
Particle-PLUS解析事例紹介「誘電体標的のRFマグネトロンスパッタリング解析」シミュレーション事例
プロセスプラズマを用いた誘電体膜の成膜手法のひとつである、 RFマグネトロンスパッタの解析事例です。 Particle-PLUSは真空チャンバ内のプラズマ解析を得意としており、 高速に成膜速度などのシミュレーションを行うことができます。 ◇『Particle-PLUS』の特徴 ・低圧プラズマ解析を得意とします ・軸対称モデルと鏡面対称境界条件を組み合わせで 装置全体のシミュレーションを行う必要なく、 高速に結果を得ることができます。 ・流体モデルでの計算が難しい低圧ガスでのプラズマシミュレーションを得意とします ・2D(2次元),3D(3次元)対応し、複雑なモデルでも効率良く解析できます ・自社開発ソフトの強みとして お客様の装置に合わせたカスタマイズも可能です ◆さまざまな計算結果を出力◆ ・ポテンシャル分布 ・電子・イオンの密度分布/温度分布/発生分布 ・壁への粒子フラックスとエネルギーフラックス ・壁への電子・イオンのエネルギースペクトル ・中性ガスの密度分布/温度分布/速度分布 など ※詳しくはお気軽にお問い合わせ下さい。
Particle-PLUS解析事例紹介「円筒型マグネトロン装置のプラズマスパッタリング」シミュレーション事例
長い円筒パイプの内側に強い膜を成膜する方法のひとつである円筒標的を用いたマグネトロンスパッタの解析事例です Particle-PLUSで利用可能な 1)軸対称モデル 2)鏡面対称境界条件を組み合わせることで 装置全体のシミュレーションを行う必要なく高速に結果を得ることができます ◇『Particle-PLUS』の特徴 ・低圧プラズマ解析を得意とします ・軸対称モデルと鏡面対称境界条件を組み合わせで 装置全体のシミュレーションを行う必要なく、高速に結果を得ることができます ・流体モデルでの計算が難しい低圧ガスでのプラズマシミュレーションを得意とします ・2D(2次元)3D(3次元)対応し、複雑なモデルでも効率良く解析できます ・自社開発ソフトの強みとしてカスタマイズも可能です ◆さまざまな計算結果を出力◆ ・ポテンシャル分布 ・電子・イオンの密度分布/温度分布/発生分布 ・壁への粒子フラックスとエネルギーフラックス ・壁への電子・イオンのエネルギースペクトル ・中性ガスの密度分布/温度分布/速度分布 など ※詳しくはお気軽にお問い合わせ下さい。
AI（深層学習）による予測モデル、サロゲートモデルを簡単に構築可能。日本語版リリース
『Neural Designer』は、深層学習を用いた予測モデルを 簡単に構築できるプログラミング不要のアプリです。 近似モデル・分類モデル・時系列予測モデルの3つの予測モデルの作成に対応。 （特に近似モデルは回帰モデル、サロゲートモデルとも呼ばれます） 各種測定データ、各種シミュレーション結果を使用して、 ニューラルネットワークによる予測モデルを構築。 シミュレーションの大幅な時間短縮が可能です。 また、各種装置や機械の運転条件や設定値の最適化にも有効です。 【特長】 ■予測モデルの構築だけでなく、関係式の出力やサロゲートモデルの作成も可能 ■データ解析で行う欠損値の確認など基礎的な統計処理もワンボタンで実施可能 ■目的とする変数と各設計変数の関係をグラフで確認が可能 ■目的とする変数と各設計変数の関係式をy=f(x)の式で表現 ■作成されたモデルはCやPython形式で出力が可能 ※詳しくは資料をご覧ください。お問い合わせもお気軽にどうぞ。 ★バージョンアップにより一層機能＆利便性が充実！ 「最適化（逆解析）」および「日本語版」がリリースしました。
『Pipeline Pilot』を利用した機械学習の活用事例を紹介します【事例紹介】
今回は、特性値を予測することで最適な実験条件の傾向を掴むことを目的としました。 <背景> 従来から現代にかけて、どの分野に関わらずより良い特性値をもつ材料を開発することは重要な業務であり、かつ重要な課題でもあります。 また、材料の特性値は様々な要因によって左右されてしまうため材料開発の効率化も求められています。 例えば、材料開発時に使用された素材や反応時間、そして温度、ヒステリシスのような要因によっても左右されるかもしれません。 この条件全てに対して実験計画法を導入し、実際に実験、測定をしたうえで最適な条件を発見することは理想ですが、 それはコスト面や時間的観点から現実的ではありません。 そこで、 いくつかの実験条件（例えば、説明変数X1、X2、X3、X4、、、）とそれぞれの特性値（例えば、目的変数Y1、Y2）を記した少量のデータセットを使用して機械学習を実施いたしました。 今回の事例では、機械学習モデルの作成、予測精度の改善まで実現する事が「簡単に機械学習を行うこと」できました。 ※詳しくはお問い合わせください。
