日本化学会 第105春季年会で研究発表をしてきました！
2025年3月26日から29日まで関西大学 千里山キャンパスで開催された日本化学会 第105春季年会で研究発表をしてまいりました。理論化学・情報化学・計算化学のセッションにおいて、以下の口頭発表５件をしました。 野村亮太, 山内芳仁, 三澤...
プロセス制御・プロセス管理・ソフトセンサー
ベイズ最適化と実験により所望の物性をもつLaFeO3結晶材料の作製に成功しました！[我田研＆金子研の共同研究論文]
我田研と金子研における共同研究の成果の論文が Industrial & Engineering Chemistry Research に掲載されましたので、ご紹介します。タイトルはAdaptive Design of Experimenta...
化学工学会第90年会で研究発表をしてきました！
2025年3月12日から14日まで東京理科大学 葛飾キャンパスで開催された化学工学会第90年会で研究発表をしてまいりました。システム・情報・シミュレーション部会のポスターセッションにおいて１２件のポスター発表をしました。 高見優太, 岩瀬顕...
機械学習モデルを解析・解釈することでデータセットから知見・知識を獲得する５つの方針
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yは特徴量xで説明し得ることが大前提（理論的でも、経験的でも、研究者の勘でも（！？）OK）
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 =...
モデルの擬似的な逆解析をする際、仮想サンプル生成にどの程度の制約をつけるか
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 =...
機械学習によりエポキシ樹脂の誘電率予測モデルを構築し、一般に入手可能なデータを用いてモデルの予測精度を向上させ、低誘電率を実現するモノマー構造を提案しました！[積水化学工業&金子研の共同研究論文]
積水化学工業と金子研における共同研究の成果の論文が ACS Applied Polymer Materials に掲載されましたので、ご紹介します。タイトルはMachine Learning Model for Predicting Die...
モデルの予測精度向上でサンプルや特徴量を検討する際、モデルの使用目的も考えよう！
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・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 =...
機械学習によるエチルベンゼン製造プロセスを設計しました！[金子研論文]
金子研の研究成果の論文が Case Studies in Chemical and Environmental Engineering に掲載されましたので、ご紹介します。タイトルはDesign of the Ethylbenzene Pr...
自分の提案手法と比較できる手法をたくさん探そう！
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 =...