ケモインフォマティクスと機械学習による化学データ解析~回帰モデルとベイズ最適化の実践~

セミナー概要

セミナーのテーマ

  • ケモインフォマティクスの概要
  • 機械学習による化合物の特性予測(回帰モデル)
  • ベイズ最適化を用いた実験条件探索

こんな方におすすめです

  • 化学分野でデータ活用に興味のある若手技術者
  • 製造業務に携わって2〜3年の技術者
  • 化学分野の新人
セミナータイトルケモインフォマティクスと機械学習による化学データ解析~回帰モデルとベイズ最適化の実践~
開催日時 【ライブ配信】

2025年9月16日(火)12:30~16:30
お申し込み期限:2025年9月16日(火)12:00まで

【アーカイブ配信】
視聴期間:2025年9月17日(水)~2025年9月30日(火)
お申し込み期限:2025年9月17日(水)まで

開催場所/配信の補足・注意事項

【Zoomを使ったWEB配信セミナー受講の手順】
1.Zoomを使用されたことがない方は、下記よりミーティング用Zoomクライアントをダウンロードしてください。ダウンロードできない方はブラウザ版でも受講可能です。
https://zoom.us/download#client_4meeting
2.セミナー前日までに必ず動作確認をお願いします。
3.開催日直前にWEBセミナーへの招待メールをお送りいたします。当日のセミナー開始10分前までに招待メールに記載されている視聴用URLよりWEB配信セミナーにご参加ください。

・セミナー資料は開催前日までにPDFにてお送りいたします。※紙媒体での配布はございません。

・無断転載、二次利用や講義の録音、録画などの行為を固く禁じます。

受講料49,500円(税込、資料付)

■会員(案内)登録していただいた場合、通常1名様申込で49,500円(税込)から
 ・1名で申込の場合、46,200円(税込)へ割引になります。
 ・2名同時申込で両名とも会員登録をしていただいた場合、
  計49,500円(2人目無料)です。
 ・10名以上で申込される場合はさらにお得にご受講いただけます。
  お気軽にご相談ください。info@rdsc.co.jp

※LIVE配信とアーカイブ配信(見逃し配信)両方の視聴を希望される場合、会員価格で1名につき55,000円(税込)、2名同時申込で60,500円(税込)になります。 メッセージ欄に「LIVEとアーカイブ両方視聴」と明記してください。

※ 会員登録とは
ご登録いただきますと、セミナーや書籍などの商品をご案内させていただきます。
すべて無料で年会費・更新料・登録費は一切かかりません。
メールまたは郵送でのご案内となります。
郵送での案内をご希望の方は、備考欄に【郵送案内希望】とご記入ください。

主催R&D支援センター

受付中

ケモインフォマティクスと機械学習による化学データ解析~回帰モデルとベイズ最適化の実践~

★Google Colaboratory を用いたデモンストレーションあり
★自社で活用できるプログラムコードの配布付き

化合物の特性を予測・説明する回帰モデルに注目し、特性の予測方法と、ベイズ最適化を用いた実験条件の探索方法の解説を行います。

講師

滋賀大学データサイエンス学部 准教授 博士(理学) 江崎 剛史 氏

【専門】
ケモインフォマティクス、バイオインフォマティクス

【略歴】
理化学研究所、医薬基盤・健康・栄養研究所、滋賀大学データサイエンス教育研究センターを経て現職。データから医薬品候補を探索する手法の開発を目指した研究、データサイエンス教育に従事している。

セミナー趣旨、ポイント

新規材料の開発は、膨大な費用と時間がかかっています。そのため、研究開発を効率的に進めていくことを、ケモインフォマティクスの手法を使った化合物の特性予測や、最適な条件探索を行う取り組みが注目されています。ケモインフォマティクスとして、機械学習を始めとした人工知能を活用した業務改革が期待されています。本講演では、化合物の特性を予測・説明する回帰モデルに注目し、特性の予測方法と、ベイズ最適化を用いた実験条件の探索方法の解説を行います。各項目でGoogle Colaboratoryを使ったデモンストレーションを実施します。実際に自社で活用できるよう、プログラミングコードは配布します。

受講対象者、必要な予備知識

予備知識は特に必要としませんが、Pythonを使ったことがあることが望ましいです。

こんな方におすすめ

製造業務に携わって2〜3年、化学分野でデータ活用に興味のある若手技術者や新人の方。

得られる知識

化学分野におけるデータ活用の概要を理解できます。
化合物の特性予測や実験条件探索の探索方法を習得できます。

プログラム

1 ケモインフォマティクスの概要

2 特性の予測
 2.1 線形モデル
  2.1.1 過学習の抑制
  2.1.2 次元圧縮
 2.2 デモンストレーション:線形回帰モデルの構築
 2.3 非線形モデル
 2.4 重要な特性の推測
 2.5 デモンストレーション:非線形モデルの構築

3 最適な実験条件の探索
 3.1 ガウス課程回帰モデル
 3.2 デモンストレーション:ガウス課程回帰

4 まとめ

受付中