分子設計・材料設計・プロセス設計において、実験条件・合成条件・プロセス条件などの説明変数 x と物性・活性などの目的変数 y との間でモデル y = f(x) を構築し、モデルに基づいて y が所望の値となる x の値を設計することが行われます。モデルを構築するためのデータを準備するときに実験計画法によって最初の x の値を決めたり、
モデルを構築した後に x を決めたりします。
このような x の設計のときに、すべてを機械学習でやらなくてもよいと思います。例えば実験計画法に基づいて最初に行う実験やシミュレーションを決めるとき、機械学習だけで設計してもよいですが、それに加えて人の知識・知見・経験・勘・ヒラメキ・感性に基づいて決めてもよいです。
もちろん実験計画法では実験やシミュレーションの後にモデル y = f(x) を構築するときにモデルを構築しやすいように x を決めています。しかし一方で、所望の y の値を達成できる x の値を提案するためには、良好な y の値を含むデータセットでモデルを構築することが望ましいです。そのため人の経験などによって、このパラメータの値を大きく (もしくは小さく) すれば、y の値が向上しそう、といったようなものがあれば、それも踏まえて x の値を決めることで、ある程度 y の値が良好なサンプルが得られることが期待でき、これもモデル構築のための大きな情報になります。現場の方の感覚もとても大切です。
機械学習だけで実験計画法により x の値が提案されることのメリットも大きいのですが
味気ない結果になってしまうことも事実です。ぜひスパイス的に人の経験や勘なども考慮して、分子設計・材料設計・プロセス設計をするとよいと思います。
以上です。
質問やコメントなどありましたら、twitter, facebook, メールなどでご連絡いただけるとうれしいです。
