mojiru【もじをもじる】

「mojiru」はこのブログ名。「もじる」は著名な言い回しに似せて表現すること。ブログでは、本・映画・グルメなどのヒット商品や気になったトレンドを文字をもじったりもじらなかったしながら、フォントを使ったり使わなかったりしながら取り上げていく。更新頻度は1日1回が基本です。[もじる使用例]1.吾輩は下戸である。お酒は飲めない。2.太閤がまずしかったから。3.棋士の一二三に惨敗。

事例からマテリアルズインフォマティクスの最先端学習本

【スポンサーリンク】

事例でわかる マテリアルズインフォマティクス 深層学習ケーススタディ

事例でわかる マテリアルズインフォマティクス―深層学習ケーススタディ―

インプレスグループで理工学分野の専門書出版事業を手掛ける近代科学社は、2023年2月10日に、近代科学社が著者とプロジェクト方式で協業する、デジタルを駆使したオンデマンド型の出版レーベルである近代科学社Digitalより、船津公人氏、井上貴央氏著書による、深層学習を用いたマテリアルズインフォマティクスの実用的専門書第2弾「事例でわかる マテリアルズインフォマティクス―深層学習ケーススタディ―」を発売した。

 


船津公人Profile●1978年 九州大学理学部化学科卒
1983年 九州大学大学院理学研究科化学専攻博士課程修了(理学博士)
1984年 豊橋技術科学大学物質工学系助手、1992年 同知識情報工学系助教授
2004年 東京大学大学院工学系研究科化学システム工学専攻教授
2011年 ストラスブール大学招聘教授
2017年10月 奈良先端科学技術大学院大学データ駆動型サイエンス創造センター研究ディレクター 教授を兼務
2021年3月 東京大学定年退職
2021年4月 奈良先端科学技術大学院大学データ駆動型サイエンス創造センター研究ディレクター 特任教授
2021年6月 東京大学名誉教授
2022年 奈良先端科学技術大学院大学データ駆動型サイエンス創造センター長、特任教授

 学位は有機反応機構研究で取得。専門分野はケモインフォマティクス。1984年からケモインフォマティクスの分野に身を投じでいる。ケモインフォマティクス利用による分子・薬物設計、材料設計(プロセス条件も含む)、構造解析、合成経路設計、化学プラントなどを対象とした監視と制御のためのソフトセンサー開発に取り組む。
 著書に『コンピュータ・ケミストリーシリーズ1 CHEMICS―コンピュータによる構造解析―』(共著、共立出版)、『コンピュータ・ケミストリーシリーズ2 AIPHOS―コンピュータによる有機合成経路探索―』(共著、共立出版)、『ソフトセンサー入門 基礎から実用的研究例まで』(共著、コロナ社)、『ケモインフォマティクス 予測と設計のための化学情報学』(共訳、丸善・Wiley)、『実践マテリアルズインフォマティクス―Pythonによる材料設計のための機械学習―』(共著、近代科学社)、『詳解マテリアルズインフォマティクス?有機・無機化学のための深層学習―』(共著、近代科学社Digital)など。
 日本科学技術情報センター丹羽賞・学術賞(1988年)、日本コンピュータ化学会学会賞(2003年)、2019年8月アメリカ化学会より、当該分野のノーベル賞とされるHerman Skolnik賞を受賞。2021年3月日本化学会学術賞「データ駆動型化学の開拓」を受賞。

 

井上貴央Profile●2017年 京都大学工学部情報学科卒業
2022年 東京大学大学院工学系研究科化学システム工学専攻博士課程修了、博士(工学)
2022年4月 株式会社Elixリサーチエンジニア(現職)
 学部時代は離散数理を専門とする研究室に所属し、分子グラフの数え上げアルゴリズムに関する研究に従事。修士課程から分野をケモインフォマティクスに移し、小規模化学データを利用した分子グラフ構造生成に関する研究に従事。現在は、株式会社ElixでAI創薬に携わっている。
 著書に『詳解マテリアルズインフォマティクス?有機・無機化学のための深層学習―』(共著、近代科学社Digital)がある。

 

 

 

「事例でわかる マテリアルズインフォマティクス―深層学習ケーススタディ―」内容紹介

「事例でわかる マテリアルズインフォマティクス―深層学習ケーススタディ―」は深層学習を用いたマテリアルズインフォマティクスの実用的専門書第2弾。

「事例でわかる マテリアルズインフォマティクス―深層学習ケーススタディ―」では厳選した事例を対象に、深層学習を有機化学・無機化学分野のデータに適用する場合のポイントについて解説している。
序章では『詳解 マテリアルズインフォマティクス』でも掲載したデータセットについて詳述し、第1章から有機化合物に対する予測モデル構築、第2章で無機材料に対する予測モデル構築、第3章で生成モデルを活用した材料・医薬品の設計についてケーススタディとして紹介。

具体的なテクニックを読み解くことで、材料開発における深層学習の活用を更に飛躍させることができる1冊となる。

 

・序章ではデータセットについて詳述している。

 

・第1章以降は、厳選した事例を対象に具体的なテクニックを紹介している。

 

「事例でわかる マテリアルズインフォマティクス―深層学習ケーススタディ―」目次

序章 深層学習に必要なデータの準備
0.1 化学データに対する機械学習
0.2 有機化合物データ
0.2.1 データ形式
0.2.2 データベースの紹介
0.3 無機化合物データ
0.3.1 データ形式
0.3.2 データベースの紹介

第1章 有機化合物に対する予測モデル
1.1 マルチタスク学習を利用したポリマーの物性予測
1.1.1 モデル訓練のための準備
1.1.2 利用する手法
1.1.3 性能評価
1.2 物理情報付きニューラルネットワークの転移学習を利用したポリマーの物性予測
1.2.1 モデル訓練のための準備
1.2.2 利用する手法
1.2.3 性能評価
1.3 予測の不確実性を考慮したPFAS の毒性予測
1.3.1 モデル訓練のための準備
1.3.2 利用する手法
1.3.3 性能評価

第2章 無機材料に対する予測モデル
2.1 結晶性材料の合成可能性の予測
2.1.1 モデル訓練のための準備
2.1.2 利用する手法
2.1.3 性能評価
2.2 材料の局所構造の安定性予測と新規材料の予想
2.2.1 モデル訓練のための準備
2.2.2 利用する手法
2.2.3 性能評価
2.3 合金のガラス形成能の予測
2.3.1 モデル訓練のための準備
2.3.2 利用する手法
2.3.3 性能評価

第3章 生成モデルを活用した材料・医薬品の設計
3.1 フラグメント構造生成器を利用したリードジェネレーション
3.1.1 モデル訓練のための準備
3.1.2 利用する手法
3.1.3 性能評価
3.2 半教師あり学習を利用した分子構造生成
3.2.1 モデル訓練のための準備
3.2.2 利用する手法
3.2.3 性能評価
3.3 変分オートエンコーダを用いた四元系複合アニオン化合物の発見
3.3.1 モデル訓練のための準備
3.3.2 利用する手法
3.3.3 性能評価

付録

 

 

「事例でわかる マテリアルズインフォマティクス―深層学習ケーススタディ―」Amazonでの購入はこちら

 

 

「事例でわかる マテリアルズインフォマティクス―深層学習ケーススタディ―」楽天市場での購入はこちら

 


 

©mojiru All Rights Reserved. | プライバシーポリシー