物性・活性・特性の目的変数が目標値となる分子の化学構造を直接的に生成する手法を開発しました！[金子研論文]
金子研の論文がJournalofChemicalInformationandModelingに掲載されましたので、ご紹介します。タイトルはDeNovoDirectInverseQSPR/QSAR:ChemicalVariationalAut...
化合物の情報を考慮したベイズ最適化をする際の初期サンプル選択に、クラスタリングを用いたほうがよいことを確認しました！[金子研論文]
金子研の論文がACSOmegaに掲載されましたので、ご紹介します。タイトルはInitialSampleSelectioninBayesianOptimizationforCombinatorialOptimizationofChemical...
プロセスインフォマティクス・ベイズ最適化を活用して多様な結晶サイズおよび形態をもつチタン酸リチウムの開発を効率化しました！[信州大学&金子研の共同研究論文]
信州大学と金子研における共同研究の成果の論文がIndustrial&EngineeringChemistryResearchに掲載されましたので、ご紹介します。タイトルはProcess-Informatics-AssistedPrepara...
2022年に読んだビジネス書・実用書・エッセイ、漫画をまとめます
今年もKindleで読んだ本をまとめておきます。一年前のはこちらです。基本的に本は通勤時間に読んでいます。通勤時間にノートパソコンで仕事をすることが多くなったため、あまり読書に時間を取れなくなっていますが、それでもなるべく時間を取るようにし...
非線形回帰モデルを解釈する[v2.12.1] (DCEKit)
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・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と材料の物性・活性・特性や製品の品質などのyとの間で、データセットを用いて機械学習により数理モデルy=...
Datachemical LABで直接的逆解析ができるようになりました
DatachemicalLABをご利用いただいている方が引き続き増えており、嬉しい限りでございます。これまでご紹介させていただいた通り、DatachemicalLAB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...
非線形回帰モデルを局所的に解釈する手法を開発しました [金子研論文]
金子研の論文がDigitalChemicalEngineeringに掲載されましたので、ご紹介します。タイトルはLocalinterpretationofnonlinearregressionmodelwithk-nearestneighb...
伏見千尋 氏を明治大学生田キャンパスにお招きして講演していただきました
2022年12月22日(木)に、東京農工大学で准教授をされている伏見千尋氏を明治大学生田キャンパスにお招きしまして、ゼオライトやその合成・設計・解析に関するご講演をしていただきました。伏見先生が研究されているバイオマス（再生可能炭素資源）の...
深層学習に基づくニューラルネットワークのハイパーパラメータをベイズ最適化で高速に最適化する[v2.11.1] (DCEKit)
深層学習に基づくニューラルネットワークで回帰モデルを構築するときの話です。他の回帰分析手法と同様にして、scikit-learnでモデルを構築できると、何かと便利だったりしますので、今回はscikit-learnのMLPRegressorの...
モデルの解釈は教師なし学習、データの可視化やクラスタリングと同じ位置づけとして実施しましょう！
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・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と材料の物性・活性・特性や製品の品質などのyとの間で、データセットを用いて機械学習により数理モデルy=...