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 =...
プロセス制御・プロセス管理・ソフトセンサー
ポリビニルアルコール製造プラントにおけるプロセスの動特性を考慮した、転移学習による曇点予測モデルを開発しました！[三菱ケミカル＆金子研の共同研究論文]
三菱ケミカルと金子研における共同研究の成果の論文が Results in Engineering に掲載されましたので、ご紹介します。タイトルはCloud point prediction model for polyvinyl alcoh...
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 =...
最適化アルゴリズムで何回か計算した時の、結果の選び方
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 =...
設計変数・制御可能な変数と成り行きで変わる変数を区別して検討する
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 =...
サンプルは必ず元のデータセットから選択しよう！
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 =...
目的変数にカテゴリ変数を含む際のベイズ最適化
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 =...
分子・材料・プロセスの設計をするときに実験結果を説明変数に用いたいときはどうするか？
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 =...
ディープニューラルネットワークはサンプルが多くないとダメ？→半教師あり学習や転移学習をしてみては？
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 =...