大学で一番多くの共同研究をしている研究室は金子研です！！ しかし、、、
おかげさまで、いろいろな企業の方々と共同研究させていただいており、データ化学工学研究室 (金子研) では、明治大学の中で一番多くの共同研究が進行しております。研究の深さや幅が広がり、うれしいかぎりでございます。ありがとうございます。 科研費...
一般的なモデルの逆解析とベイズ最適化を使い分けるために、両者の特徴や違いを説明します
モデルの逆解析 (Inverse Analysis) について、 ベイズ最適化 (Bayesian Optimization, BO) と一緒にお話しいたします。 データセットがあるとき、いろいろな回帰手法を検討して、推定精度の最も高い回帰...
四年生たちがモデルの逆解析をした資料を金子研オンラインサロンに公開します(2019年度)
金子研ゼミ合宿における四年生の課題はモデルの逆解析です。 逆解析するテーマは自由に決めて OK としていまして、自分の研究テーマに関するものもありますが、いろいろなテーマがあります。データを出せないものを除いて、ざっと紹介します。 沸点の測...
第 63 回 日本薬学会 関東支部大会にて招待講演をしてきました
2019 年 9 月 14 日 (土) に開催された第 63 回 日本薬学会 関東支部大会にて、招待講演をしてまいりました。タイトルは 生成モデルによるデータの可視化・回帰分析・クラス分類・モデルの適用範囲の設定・モデルの逆解析・分子設計・...
[高分子設計]モノマーの構造から二量体・三量体・・・を生成するPythonプログラムを作りましたのでぜひご活用ください
こちらの Github に モノマーの構造から多量体を作成するPythonプログラム make_repeating_unit_homo.py を共有します。 まず、モノマーの構造を monomer.mol という mol ファイルを準備しま...
人を成長させる人工知能
以前に、人工知能が本質的に何をしているかを書きました。 人工知能をつくったら、それを使わない手はありません。うまく使うことで、人工知能によって人が成長できるようになります。 たとえば高機能性材料を開発しているとき、実験条件 x を決めて、実...
やる気の出し方～やる気を出すより、まずやることが先～
やるべきことがあるのに、なかなか手が進まないこともありますよね。そんなとき、わたし金子がいつもどのようにやる気を出しているか、参考までに書きます。一言でいえば、 目標をひたすら下げて、とりあえず少しだけやる です。 たとえば作文して wor...
[デモのプログラムあり] ガウス過程回帰(Gaussian Process Regression, GPR)におけるカーネル関数を11個の中から最適化する (scikit-learn)
こちらのガウス過程による回帰 (Gaussian Process Regression, GPR) において、カーネル関数をどうするか、というお話です。 そもそも GPR のカーネル関数はサポートベクター回帰 (Support Vector...
[デモのプログラムあり] Local Outlier Factor (LOF) によるデータ密度の推定・外れサンプル(外れ値)の検出・異常検出
Local Outlier Factor (LOF) について、パワーポイントの資料とその pdf ファイルを作成しました。LOF は k-nearest neighbor algorithm (k-NN) の発展版のようなもので、データ密...
データ解析・機械学習のしやすいデータセットの作り方
データ化学工学研究室 (金子研) では、分子のデータや材料のデータやプロセスの時系列データなど、化学データ・化学工学データを扱ってデータ解析・機械学習をしています。データ解析の基本的な流れは、ある程度固まっていることから、 データ解析を成功...