目的変数が複数あるときに、異なる説明変数で数理モデルを構築しても問題ありません！
分子設計・材料設計・プロセス設計・プロセス管理において、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説明変数 x と、材料の物性・活性・特性や製品品質などの目的変数 y との間で、データセットを用いて数理モデル ...
データ解析
取材を受けて話し合ったところ、ケモ- マテリアルズ- プロセスインフォマティックスの根幹を再認識しました！
先日、データ化学工学研究室 (金子研究室) の研究内容を一般の方々にわかりやすく伝えることを目的とした動画を作成するため、取材を受けました。動画については後ほど公開されると思いますので、そのときはぜひよろしくお願いいたします。 取材には、化...
物性・活性・特性の目的変数が目標値となる分子の化学構造を直接的に生成する手法を開発しました！[金子研論文]
金子研の論文が 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 De Novo Direct Inverse QSPR/QSAR: Chemical ...
化合物の情報を考慮したベイズ最適化をする際の初期サンプル選択に、クラスタリングを用いたほうがよいことを確認しました！[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 Initial Sample Selection in Bayesian Optimization for Combinatorial Optimizati...
プロセスインフォマティクス・ベイズ最適化を活用して多様な結晶サイズおよび形態をもつチタン酸リチウムの開発を効率化しました！[信州大学&金子研の共同研究論文]
信州大学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 Process-Informatics-Assisted...
非線形回帰モデルを解釈する[v2.12.1] (DCEKit)
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・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 と材料の物性・活性・特性や製品の品質などの y との間で、データセットを用いて機械学習により数理モ...
Datachemical LABで直接的逆解析ができるようになりました
Datachemical LAB をご利用いただいている方が引き続き増えており、嬉しい限りでございます。これまでご紹介させていただいた通り、Datachemical LAB を使用することで、データの前処理・データの可視化・回帰分析・モデル...
非線形回帰モデルを局所的に解釈する手法を開発しました [金子研論文]
金子研の論文が Digital Chemical Engineering に掲載されましたので、ご紹介します。タイトルは Local interpretation of nonlinear regression model with k-n...
深層学習に基づくニューラルネットワークのハイパーパラメータをベイズ最適化で高速に最適化する[v2.11.1] (DCEKit)
深層学習に基づくニューラルネットワークで回帰モデルを構築するときの話です。他の回帰分析手法と同様にして、scikit-learn でモデルを構築できると、何かと便利だったりしますので、今回は scikit-learn の MLPRegres...
モデルの解釈は教師なし学習、データの可視化やクラスタリングと同じ位置づけとして実施しましょう！
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・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 と材料の物性・活性・特性や製品の品質などの y との間で、データセットを用いて機械学習により数理モ...