化学データ解析

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 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