NMRにおけるスカラーカップリング定数を予測するための記述子を開発しました！[金子研論文]
金子研の論文が Analytical Science Advances に掲載されましたので、ご紹介します。タイトルは Prediction of spin–spin coupling constants with machine lear...
ケモメトリックス
実験条件の最初の候補を選ぶとき、金子研ではどうして直交表を作らないのか？
実験計画法のお話です。こちらの記事では、 わかりやすさのために () 付きで「直交表」としていますが、厳密に言えば、いわゆる古くから使われている直交表ではありません。直交表のようではありますが、それとは別の方法で最初の実験条件の候補を選んで...
ガウス過程回帰の使い方と注意点
説明変数 X と目的変数 Y との間でモデル Y = f(X) を構築するとき、特に Y が連続値の場合は回帰分析が行われます。回帰分析手法にはいろいろありますが、ここではガウス過程回帰 (Gaussian Process Regressi...
カーネル関数の選び方
機械学習の手法の中には、カーネル関数を用いた手法があります。サポートベクターマシン、サポートベクター回帰、ガウス過程回帰あたりが有名と思います。 他にもリッジ回帰や主成分分析、独立成分分析など、いろいろな手法とカーネル関数を組み合わせること...
欠損値のないサンプルがデータセットにないときの iGMR の使い方
データセットの中に欠損値があるときは、iGMR が有効であることはこちらに書きました。 たとえば、論文や特許からデータを取得したときなど、他のデータ (研究室内や社内のデータなど) と合わせようとしたときに、論文や特許ではいくつかの実験条件...
DCEKit に新機能追加 [v2.6.1]！トレーニングデータなしでスペクトルから濃度を推定する方法
DCEKit への新機能追加です。 こちらの Iterative Optimization Technology (IOT) を実装しました。 IOT では、純成分のスペクトルと混合物のスペクトルのみから、混合物における各純成分の濃度 (モ...
DCEKit に新機能追加 [v2.5.2]！Variational Bayesian Gaussian Mixture Regression(VBGMR)とクロスバリデーションによるGMR最適化
DCEKit に今回追加したのは Variational Bayesian Gaussian Mixture Regression (VBGMR) と、GMR や VBGMR におけるクロスバリデーションによるハイパーパラメータ最適化です。...
勘をなめたらアカン
ダジャレです。が、本心です。 材料研究・材料開発の現場では、実験条件や製造条件を振って、実際に実験・製造してみて、その結果としての材料の物性・活性といった値を測定します。実験条件や製造条件を振るときに、すべて理論的に、化学的な背景や物理的な...
ガウス過程による潜在変数モデルでプロセスデータの可視化やプロセス状態推定をしました！[金子研論文]
金子研の論文が Analytical Science Advances に掲載されましたので、ご紹介します。タイトルは Estimation and visualization of process states using latent ...
「化学のためのPythonによるデータ解析・機械学習入門(改訂2版)」 化学・化学工学のデータ解析・機械学習をしたい方へ
金子弘昌, 「化学のためのPythonによるデータ解析・機械学習入門(改訂2版)」, オーム社, 2023 オーム社: Amazon: 自分の本の紹介で恐縮です。ただ、データ解析や機械学習による分子設計、材料設計、プロセス設計、プロセス...