実践的な練習課題を Datachemical LAB で解き実践力をつける
Datachemical LAB の利用者が順調に増えております。いつもご活用をいただきありがとうございます。これまで Datachemical LAB の内容・機能のお話をいたしました。 ケモインフォマティクス・マテリアルズインフォマティ...
金子はコンサルティングで何をしているのか？
大学教員として教育・研究をする中で、他の大学や企業の方と共同研究をすることがあります。同じ研究目的をもち、それぞれのグループで目的を達成するために研究したり、ディスカッションして前に進めたりしています。共同研究については、もちろんプロセスと...
Datachemical LAB のメニューが新しくなり、さらに使いやすくなりました！
Datachemical LAB をご検討いただきありがとうございます。順調にユーザーの数も増えており、多くの方にご利用いただき嬉しい限りです。ぜひ、材料設計・分子設計・プロセス設計・プロセス管理にご活用いただければと思います。 Datac...
関係ないと思われていた変数の追加＆ドメイン知識の活用で、精密電気部品の量産プロセスにおける不良率予測の予測精度が向上し、不良原因の特定に成功しました [金子研論文]
金子研の論文が Analytical Science Advances に掲載されましたので、ご紹介します。タイトルは Defect rate prediction and failure-cause diagnosis in a mass...
不均衡なデータセットを扱うときの注意点
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...
スパースな(疎な)実験データセットを解析するときの一工夫
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...
サンプルが少なくてもまずはデータ解析・機械学習してみよう！
データ解析・機械学習関係のよくある質問の中に、何サンプル集めればデータ解析・機械学習で分子設計・材料設計・プロセス設計ができますか？、といったものがあります。また、具体的に何サンプルしかないのですがこれでできますか、といった心配をされる方も...
GAPLSやGASVRだけでなくGA+回帰分析手法で変数選択・特徴量選択
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...
ドメイン知識を活用して最初の実験条件やシミュレーション条件の候補を決める
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子・実験条件・合成条件・製造条件・評価条件・プロセス条件・プロセス変数などの特徴量 x と分子・材料の物性・活性・特性や製品の品質などの目的変数 y との間で数理モデル y =...
Datachemical LABで混合物の特徴量化ができるようになりました
いつも Datachemical LAB をご利用いただきありがとうございます。 これまでご紹介させていただいた通り、Datachemical LAB を使用することで、データの前処理・データの可視化・回帰分析・モデルの逆解析・モデルの適用...