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...
プロセス制御・プロセス管理・ソフトセンサー
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...
転移学習の方法の選び方
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・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、データセットを用いて機械学習により数理モデル y = f(x) を構築したり、構築されたモ...
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...
Elastic net をすれば、OLS, RR, LASSO はしなくてよいのか？
こちら↓で解説したように、最小二乗法による線形重回帰分析 (Ordinary Least Squares, OLS), リッジ回帰 (Ridge Regression, RR), Least Absolute Shrinkage and S...
結局、「次元の呪い」は何が問題なのか？解決方法は？
データ解析や機械学習をしている方は、「次元の呪い」 という問題があることを聞いたことがあるかもしれません。「次元」という言葉があるように、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変数もしくは特徴量が多いときに生じる問...
時系列データにおけるモデル適用範囲
目的変数 y と説明変数 x のデータを準備して、x と y の間で数理モデル y = f(x) を構築し、モデルに基づいて x の値から y の値を予測したり、y の値が目標値になるような x の値を設計したりします。モデルで予測するとき...
同じ実験条件で繰り返し実験するのは、最後だけでよいのでは？～(適応的)実験計画法のススメ～
高機能性材料の研究・開発をするとき、材料の合成条件等の実験条件を変えながら実験し、結果を確認します。もちろん再現性も大事なので、同じ実験条件で繰り返し実験します。3 回や 5 回が多いと思います。いわゆる n = 3, n = 5 です。た...