多目的最適化におけるベイズ最適化において、目的変数の予測値を制約条件として用いる
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 =...
ケモインフォマティクス
鈴木雄太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
2024年12月20日(金)に、トヨタ自動車株式会社の東富士研究所 先端材料技術部 AI・ロボティクス・分析グループで研究員をされている 鈴木雄太 氏を明治大学生田キャンパスにお招きしまして、深層学習による結晶構造の表現と生成に関するご講演...
単純な乱数ではなく、関係性はあるが異なる仮想サンプルを生成したい → 生成モデル
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 =...
サンプル間の類似度のみ分かっている時は、カーネル関数に基づく手法か多次元尺度構成法！
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 =...
化学構造・スペクトルデータ・時系列データ等をながめることに時間を使う
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 =...
五十嵐康彦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
2024年12月3日(火)に、筑波大学システム情報系で准教授をされている五十嵐康彦氏を明治大学生田キャンパスにお招きしまして、ベイズ推論に基づく小規模化学実験データの変数選択に関するご講演をしていただきました。機械学習を適用するための十分な...
ベイズ最適化とモデルの直接的逆解析、それぞれ内挿・外挿をどのように考えればよいか
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・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 =...
ベイズ最適化で再配向エネルギーの低い分子を設計する際の分子記述子と獲得関数を検討し、新しい獲得関数の使用方法を提案しました！[パナソニック インダストリー＆金子研の共同研究論文]
パナソニック インダストリーと金子研における共同研究の成果の論文が ACS Omega に掲載されましたので、ご紹介します。タイトルはExploring Molecular Descriptors and Acquisition Funct...
松井孝太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
2024年11月19日(火)に、名古屋大学大学院の医学系研究科 生物統計学分野で講師をされている松井孝太氏を明治大学生田キャンパスにお招きしまして、転移学習の原理と新規素材開発における諸問題への適用に関するご講演をしていただきました。転移学...
機械学習モデルを使うべきか、使わないべきか？
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・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 =...