公開動画
これまでデータ化学工学研究室 (金子研究室) 関係で公開されている動画をまとめます。公開動画が追加され次第、新しい順に追加していきます。 ・2024 年 1 月 31 日 『実例で学ぶ化学工学』 解説動画 【動画で解説！】8章 8.1 伝導...
ケモインフォマティクス
実験計画法・適応的実験計画法における特徴量選択とモデルの適用範囲
分子設計・材料設計・プロセス設計において、最初の実験・シミュレーションの合成条件・製造条件・プロセス条件などを実験計画法により決め、実験やシミュレーションをしたあとに得られるデータを用いて、特徴量 x と材料の物性・活性・特性 y との間で...
ホモポリマーとコポリマーを同時に設計する高分子設計手法を開発しました！[金子研論文]
金子研の論文が Polymer Engineering & Science に掲載されましたので、ご紹介します。タイトルは Molecular design of monomers by considering the dielectric...
GridSearchCVでハイパーパラメータの最適化に失敗した時の原因と対処法
回帰モデルやクラス分類モデルにおけるハイパーパラメータを最適化するため、scikit-learn の GridSearchCV を使用する人がいらっしゃると思います。特に複数の種類のハイパーパラメータがあるとき、GridSearchCV を...
GTM や GTM Regression (GTMR) のハイパーパラメータの高速最適化
DCEKit に搭載されている Generative Topographic Mapping (GTM) や Generative Topographic Mapping Regression (GTMR) について、 クロスバリデーション...
実験計画法における特徴量の標準化(オートスケーリング)
材料設計・プロセス設計において、合成条件・製造条件やプロセス条件などの特徴量 x と物性・活性・特性などの目的変数 y の間で数理モデル y = f(x) を構築し、構築したモデルを用いて y が目標値となるような x の値を探索します。モ...
線形手法を使うべきか、非線形手法を使うべきか
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子や合成条件・製造条件・プロセス条件やプロセス変数などの特徴量 x と物性・活性・特性などの目的変数 y との間で数理モデル y = f(x) を構築したり、モデルに x の値...
回帰分析手法やクラス分類手法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
DCEKit に搭載されている Gaussian Mixture Regression (GMR) や Variational Bayesian Gaussian Mixture Regression (VBGMR) について、 クロスバリ...
特徴量(変数)が多いときもベイズ最適化でOK？分子記述子のときも？
分子設計・材料設計・プロセス設計において、ベイズ最適化により分子の化学構造や、材料の合成条件・製造条件や、プロセス条件などを最適化します。 ガウス過程回帰により、分子記述子・合成条件・製造条件・プロセス条件などの特徴量 x と分子や材料の物...
化学構造・分子構造を対象にしたデータ解析・機械学習をするときの二次元構造や三次元構造の考え方
ケモインフォマティクス・マテリアルズインフォマティクス・プロセスインフォマティックスの中で、化学構造・分子構造を対象にしてデータ解析や機械学習を実施することもあります。化合物の化学構造から分子記述子を計算したり、記述子 x と物性・活性・特...