機械学習モデルの逆解析の評価は、実験(もしくはそれに代わるシミュレーション)でしかできません
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 =...
ケモインフォマティクス
「組成データ解析入門―パーセント・データの問題点と解析方法―」 和が100や1になるデータを扱う際の注意点と対処法
太田亨 著, 「組成データ解析入門―パーセント・データの問題点と解析方法―」, 朝倉書店, 2023 朝倉書店: Amazon: 組成データのように、0 から 1 まででいくつかの和が 1 になるようなデータを扱う際の注意点と対処法を学べる...
収率0から新たな反応の開拓に成功しました！[理化学研究所&金子研の共同研究論文]
理化学研究所と金子研における共同研究の成果の論文が Journal of Chemical Information and Modeling に掲載されましたので、ご紹介します。タイトルは Catalyst Design and Featu...
「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)」 正誤表
タイトルの書籍をすでにお読みいただいた方々から、ご質問やご指摘をいただいております。感謝申し上げます。そこでいただいたご指摘から、間違えがあることもわかりましたので、正誤リストとして以下にまとめます。申し訳ございませんが、よろしくお願いいた...
[ダウンロード可能] 網羅的な組成データのcsvファイルを共有します！
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 =...
DFT計算を用いて複数の記述子セットを準備しておくことでベイズ最適化の探索性能の向上に成功しました！[金子研論文]
金子研の論文が ACS Omega に掲載されましたので、ご紹介します。タイトルは Enhancing the Search Performance of Bayesian Optimization by Creating Differen...
[無料公開] 「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)」の“改訂版の発行にあたって”、詳細な目次、第８章の一部
2023 年 8 月 30 日に、金子弘昌著の「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)」が出版されました。 オーム社: Amazon: こちらは、以前に出版した書籍 「化学のための Pythonによるデータ解析・...
モデルの逆解析はxの唯一の解を求めることではありません、ご注意ください
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 =...
ベイズ最適化のときカーネル関数に線形項を入れると外挿の方向を定めやすい
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 =...
実験結果が人依存のデータ解析・機械学習の考え方
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 =...