機械学習モデルを大域的・局所的に解釈する方法
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 =...
研究室
渡辺豪 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10月23日(月)に、北里大学未来工学部データサイエンス学科 (2023年4月誕生！) で教授をされている 渡辺豪 氏を明治大学生田キャンパスにお招きしまして、ソフトマターのミクロな世界に関するご講演をしていただきました。渡辺先生...
論文から収集したデータセットに基づいて機械学習によりアンモニアボラン脱水素触媒を設計しました！[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 Design of Ammonia Borane Dehydrogenation Cat...
機械学習(回帰分析・クラス分類)をする全ての人が、最初に頭に入れるべきこと
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 =...
自分の希少性を上げて時給を上げよう！
いつも学生には希少価値の高い人、レアな人になるといいよ、という話をしています。 なお考え方やデータは以下の本を参考にしています。 藤原和博, 藤原和博の必ず食える１％の人になる方法, 東洋経済新報社, 2013 藤原和博, 藤原先生、これか...
モデリングを工夫することで、すべてのデータを活用しよう！
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 =...
手動・自動の特徴量エンジニアリングの考え方
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 =...
小嗣真人 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10月3日(火)に、東京理科大学先進工学部マテリアル創成工学科で教授をされている 小嗣真人 氏を明治大学生田キャンパスにお招きしまして、拡張型自由エネルギーモデルを用いた材料機能の最適化に関するご講演をしていただきました。小嗣先生...
目的変数yとの相関では説明変数xを選択しません！選択するときは多変量解析で！
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 =...
説明変数の上限・下限はデータ解析・機械学習では決まりません！決めるときは実験系・シミュレーション系で！
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 =...