ベイズ最適化ではyの予測値vs.分散のプロットを確認しよう！
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・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 =...
ケモインフォマティクス
ゼオライトの吸着性能を予測するモデルの開発と新規ゼオライトの設計をしました！[金子研論文]
金子研の研究成果の論文が Industrial & Engineering Chemistry Research に掲載されましたので、ご紹介します。タイトルはDevelopment of a Model for Predicting th...
予測対象ではない実験データの活用方法
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 =...
ネガティブデータ(もしくはポジティブデータ)が全く無いときのクラス分類モデルの構築
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 =...
モデルの逆解析用の仮想サンプルを生成する際の制約に関する考え方
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 =...
予測精度の高い適応型ソフトセンサーを検討するときの２つのポイント
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 =...
遺伝的アルゴリズムは複数回実行して、それぞれ結果を確認しよう！
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・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 =...
実験と機械学習の融合により、高いフッ化物イオン吸着特性と化学的安定性を併せ持つ層状二重水酸化物の結晶材料を探索しました！[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 CrystEngComm に掲載されましたので、ご紹介します。タイトルはData-driven exploration of layered double hydroxide crystals...
すべてのサンプルを使って構築した機械学習モデルを解釈しよう！
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・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 =...
Metallole系の蛍光材料の量子収率を予測する機械学習モデルの開発とモデルに基づく分子設計をした！[広島大学&金子研の共同研究論文]
広島大学と金子研における共同研究の成果の論文が molecules に掲載されましたので、ご紹介します。タイトルはA Practical Application of Machine Learning for the Development...