ベイズ最適化と遺伝的アルゴリズムは組み合わせよう！
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 =...
プロセス制御・プロセス管理・ソフトセンサー
同じ実験条件で繰り返し行ったときの平均値を目的変数とすべきか
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 =...
金子研との共同研究のメリット
データ化学工学研究室（金子研）では、大学・企業・研究所を問わず、共同研究もさせていただきながら前に進んでいます。学生も多く在籍しており、共同研究のような広がりのある研究や他機関連携に興味のある人もおりまして、引き続き共同研究先を模索しており...
実験計画法におけるデータの可視化は難しい
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 =...
スペクトルデータや時系列データなど特徴量間の関係が強いデータのときは直接的逆解析しかありません！
分子設計・材料設計・プロセス設計・プロセス管理において、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 =...
CVPFI(任意の回帰分析手法・クラス分類手法における特徴量重要度)が複数の目的変数に対応しました！
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 =...
Datachemical LABでスペクトルの変換ができるようになりました
いつも Datachemical LAB をご利用いただきありがとうございます。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・特徴量計算・回帰分析・モデルの逆解析・モ...
藤井幹也 氏を明治大学生田キャンパスにお招きして講演していただきました
2023年11月9日(木)に、奈良先端科学技術大学院大学 (NAIST) の先端科学技術研究科物質創成科学領域で教授をされている 藤井幹也 氏を明治大学生田キャンパスにお招きしまして、実験・第一原理計算・機械学習・ロボティックスの融合による...
2nd International Conference on Polymer Science and Engineering @ San Franciscoに学生たちといってきました！
2023 年 11 月 1 日から 3 日までアメリカ合衆国のサンフランシスコで開催されていた 2nd International Conference on Polymer Science and Engineering に修士２年の学生...
気体分離膜材料とそれらを用いた分離プロセスを機械学習により同時に設計しました！[金子研論文]
金子研の論文が 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Simultaneous Design of Gas Separation Membran...