物性・活性予測モデルの直接的逆解析による分子設計における精度向上を達成しました！[金子研論文]
金子研の研究成果の論文が molecular informatics に掲載されましたので、ご紹介します。タイトルはImproving Molecular Design with Direct Inverse Analysis of QSA...
研究室
溶質と溶媒を考慮して極大吸収波長を予測する機械学習モデルを開発しました！[金子研論文]
金子研の研究成果の論文が ACS Omega に掲載されましたので、ご紹介します。タイトルはConstruction of Machine Learning Models to Predict the Maximum Absorption ...
クラス分類で0,1の間を予測したいときは各クラスの確率を計算しよう！
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 =...
有機化合物の化学構造から物性・活性を予測する際、少なくともRDKit記述子・フィンガープリントとは比較しよう！
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 =...
最後に決定するのは人、データ解析・機械学習はあくまでサポート
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 =...
多目的最適化におけるベイズ最適化において、目的変数の予測値を制約条件として用いる
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 =...
鈴木雄太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
2024年12月20日(金)に、トヨタ自動車株式会社の東富士研究所 先端材料技術部 AI・ロボティクス・分析グループで研究員をされている 鈴木雄太 氏を明治大学生田キャンパスにお招きしまして、深層学習による結晶構造の表現と生成に関するご講演...
単純な乱数ではなく、関係性はあるが異なる仮想サンプルを生成したい → 生成モデル
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 =...
サンプル間の類似度のみ分かっている時は、カーネル関数に基づく手法か多次元尺度構成法！
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 =...
五十嵐康彦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
2024年12月3日(火)に、筑波大学システム情報系で准教授をされている五十嵐康彦氏を明治大学生田キャンパスにお招きしまして、ベイズ推論に基づく小規模化学実験データの変数選択に関するご講演をしていただきました。機械学習を適用するための十分な...