ケモインフォマティクス

回帰分析やクラス分類によって構築された、目的変数 Y と説明変数 X との間のモデル Y = f(X) についてです。 モデルについて議論するとき、モデルはデータの外挿は予測できない、内挿しか予測できない、とか、その予測結果は内挿なの？外挿...

これまで、いろいろな企業やセミナーにおいて、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クスの講義や、Python のハンズオンセミナーを行って参りまして、そのような経験・実績をふまえて、以下の動画を作成い...

いろいろと共同研究やコンサルティングをしていますと やはり多いのは、モデルの逆解析です。 新たな分子を設計したり、新たな材料を作るための実験レシピやプロセスを設計したり、装置を設計したりといった話です。 モデルの逆解析をするためには、もちろ...

ベイズ最適化において、複数の実験候補を選択するお話です。ベイズ最適化についてはこちらをご覧ください。 ベイズ最適化では、以下の 1. – 4. を繰り返すことで、物性や活性などの目的変数 Y が向上したり目標値を達成したりできる、実験条件な...

回帰モデルやクラス分類モデルを構築した後の、モデルの逆解析の話です。 上の 既存のサンプルの分布に従うように、モデルの逆解析用のサンプルをたくさん生成する方法 では、既存のサンプルのデータ分布を求めて、その分布に従うようにして新たなサンプル...

回帰モデルやクラス分類モデルを構築した後は、モデルの逆解析をします。 説明変数 (特徴量・記述子など) X のサンプルをたくさん生成して、それらをモデルに入力することで、目的変数 (活性・物性など) Y の値を推定します。推定された値が、よ...

材料の活性・物性・特性は、化学構造だけで変化するものではなく、材料の作り方、つまり実験条件や製造条件によっても変化します。例えば高分子設計において、単量体 (モノマー) の化学構造だけでなく、そのモノマーの種類・組成比や、反応温度や反応時間...

分子設計や材料設計をするときや、プラントにおいてソフトセンサーを検討しようとするとき、 (分子設計・材料設計・ソフトセンサーについてはこちら) それぞれ、何らかの数値モデルを構築することになります。データ解析・機械学習を駆使してモデルを構築...

昨年度の金子研の四年生が主に研究していたテーマの成果が、Journal of Computer Chemistry, Japan にて論文公開になりました。タイトルは モデルの適用範囲の考慮したアンサンブル学習法の開発 です。下の URL ...

一年に一度の、金子研オンラインサロンメンバー限定のデータ化学工学研究室 (金子研究室) 成果報告会です。2019 年度は 1 月 28日 (火) に行ってまいりました。最終的なプログラムは以下のとおりです。 === 金子研オンラインサロンメ...