金子研で人を雇うときの観点
もし金子研究室で人を雇うとしたら、どのような観点で人を選ぶか、のお話をします。就活でどのような人が求められるかの参考にしていただけたらと思います。もちろん、100 の企業があれば 100 以上の考え方がありますので、その中の一つくらいにお考...
研究室
内挿・外挿は、モデルの適用範囲内・適用範囲外と違いますので注意が必要です
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？外挿な...
研究成果をあげること、ではなく、研究成果をあげ続ける力を身につけること。金子研の方針です
データ化学工学研究室 (金子研) の方針として、学生の成長を一番に考えています。配属になる学生に最初に伝えていることは、金子研で目指していることは、学生が研究成果をあげること、ではなく、学生が研究成果をあげ続ける力をつけることということです...
モデルの精度が低いときも、モデルの逆解析ってやるべき？
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、もちろんモデ...
ベイズ最適化において一度に複数の実験をするときに候補を選択するシンプルな方法
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、実験条件など...
[Pythonコードあり] 特徴量ごとや特徴量間に制限があるときの、モデルの逆解析用のサンプル生成
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を...
[Pythonコードあり] 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
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、より...
ベイズ最適化で期待できること
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...
サンプルを集めるときに意識するとよいこと [データベース作成]
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する...
質問への回答の仕方 アドバンス編～心構えとして、相手の課題を解決して満足度を上げることを考える～
研究発表や講演における質問の答え方として、テクニック的なことはこちらに書きました。今回は、質問への回答の仕方のアドバンス編として、回答するときの心構えについて説明します。ただ、アドバンス編としての心構えですので、十分に上のテクニックができて...