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...
データ解析
適応型ソフトセンサーを転移学習＆アンサンブル学習させて新たな銘柄を予測する手法を開発しました！[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 Adaptive soft sensor based on transfer learning and ensemble...
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...
予測誤差は全部ノイズ！～ノイズを0にする方向で考えよう！～
分子設計・材料設計・プロセス設計・プロセス管理において、分子記述子や合成条件・製造条件・プロセス条件などの説明変数 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、構築されたモデルを用いて x の値か...
二つの POL 講演会(ベイズ最適化・Datachemical LAB)を終えて
このたび、2021 年 12 月 21 日と 2022 年 5 月 13 日に、それぞれ POL 様が主催された講演会にて、お話させていただきました。 ① 2021 年 12 月 21 日 ベイズ最適化を駆使した研究・開発～モデル設計と実践...
化学・化学工学分野におけるデータ解析・機械学習クラウドサービス「Datachemical LAB」
化学・化学工学分野におけるデータ解析・機械学習が、プログラミングなしでできるクラウドサービス「Datachemical LAB」を開発し、提供を開始しましたので、ご案内します。プレスリリースは以下をご覧ください。 Datachemical ...
機械学習、特に教師あり学習をする際の特徴量データの準備の方針
分子設計・材料設計・プロセス設計において、分子記述子や合成条件・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 との間でデータセットに基づいて教師あり学習により数理モデル y = f(x) を構築したり、構築し...
特徴量選択するときのモデルのハイパーパラメータの決め方
分子記述子・合成条件・製造条件・プロセス条件・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) を構築するとき、モデルの予測精度を向上させたり、モデルの解釈性を上げたりするために、x ...