Ces dernières années, l’informatique des matériaux (ci-après dénommée MI), qui applique l’ingénierie de l’information à la science des matériaux, a attiré l’attention. L'IM est une méthode qui utilise une énorme quantité de données expérimentales et de résultats de simulation liés aux matériaux, et utilise des techniques de science des données telles que l'apprentissage automatique et l'apprentissage profond pour promouvoir le développement efficace de nouveaux matériaux. Afin de faire progresser l'IM, il est nécessaire d'extraire la plage de recherche d'un matériau en fonction de plusieurs conditions de recherche à partir de la grande quantité d'informations sur les propriétés physiques possédées par le matériau, et de rechercher tout en visualisant et en comprenant la plage à vérifier expérimentalement. JMP est un outil puissant pour visualiser et analyser les informations sur ces propriétés physiques. Nous utilisons la fonction d'accès à la base de données de JMP pour acquérir des caractéristiques matérielles et analyser intuitivement les données à l'aide d'un tableau de bord comprenant des filtres de données locaux. Le clustering et l'ajustement de modèles sont des méthodes particulièrement efficaces pour extraire des informations utiles à partir d'ensembles de données complexes. De plus, même les chercheurs qui ne sont pas familiers avec la programmation telle que SQL ou Python peuvent effectuer l'intégralité du processus, de l'acquisition des données à l'analyse, grâce à la simplicité d'utilisation de JMP. Dans cette présentation, nous présenterons des exemples d'initiatives MI telles que la visualisation d'informations sur les propriétés physiques à l'aide de JMP et de l'analyse multivariée.
