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
発売日：2023年2月
- ページ数
- １０２ｐ
- ISBN
- 978-4-7649-0659-4
- 著者情報
- 船津 公人（フナツ キミト）
１９７８年九州大学理学部化学科卒。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ている。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。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（イノウエ タカヒロ）
２０１７年京都大学工学部情報学科卒業。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
セブン-イレブン受取り(送料無料)
発送目安
発売日（発売日以降は当日）～2日で発送
宅配（送料¥550税込）
発送目安
発売日（発売日以降は当日）～2日で発送
交通状況・天候の影響や注文が集中した場合等、お届けにお時間をいただく場合がございます。
商品説明
【様々な事例からマテリアルズインフォマティクスの可能性を学ぶ！！】
深層学習による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。本書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を解説している。
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具体的なケーススタディとして紹介する。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。
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
0.3 無機化合物データ
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
1.2 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
1.3 予測の不確実性を考慮したPFAS の毒性予測
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
2.2 材料の局所構造の安定性予測と新規材料の予想
2.3 合金のガラス形成能の予測
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
3.2 半教師あり学習を利用した分子構造生成
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
商品詳細
- 出版社名
- 近代科学社Ｄｉｇｉｔａｌ
- サイズ
- ２１ｃｍ
- 対象年齢
- 一般
- フォーマット
- 単行本
注意事項
- 本の帯に関して
- 帯つきでの出荷はお約束しておりません。
商品ページに、帯のみに付与される特典物等の表記がある場合でも、確実に帯つきでの出荷はお約束しておりません。
また、帯は商品の一部ではなく「広告扱い」のため、帯の有無・破損による交換や返品は承っておりません。 - 版・表紙について
- 版・表紙（カバー）のご指定は承っておりません。ご注文いただくタイミングによっては、お届けする商品の版や表紙が商品ページ上のものとは異なる場合がございます。
また、初版にのみにお付けしている特典（初回特典、初回仕様特典）がある商品は、商品ページに特典の表記がされている場合でも、無くなり次第終了となります。
