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

関連サイト

本書の関連ページが用意されています。

• NextPublishingオフィシャルWebサイト

内容紹介

化学の研究開発ではマテリアルズインフォマティクス（機械学習・深層学習を用いた新素材探索や新材料設計）の技術が導入され始めています。一方で、有機化学・無機化学のどの領域かによって構造情報の扱いや解析ノウハウが異なり、それぞれの場面で適切な手法が存在するという実情があります。本書では深層学習の基礎事項をはじめ、実際に深層学習を化学研究に利用する上での留意点を詳述するとともに、有機化学・無機化学分野でのデータの具体的な扱い方、さらには様々な深層学習手法とその具体的利用の理解を助けるための応用事例など、注目すべき多数の研究成果を体系的に整理しています。深層学習の初学者および具体的な応用研究を目指す方を対象に、データから様々な可能性を模索できるよう編集された一冊です。

書誌情報

• 著者: 船津 公人, 井上 貴央, 西川 大貴
• 発行日: 2021-08-13 (紙書籍版発行日: 2021-08-13)
• 最終更新日: 2021-08-13
• バージョン: 1.0.0
• ページ数: 290ページ(PDF版換算)
• 対応フォーマット: PDF, EPUB
• 出版社: 近代科学社Digital

対象読者

マテリアルズ・インフォマティクス,マテリアルインフォマティクス,データ解析,ニューラルネットワーク,第一原理計算,機械学習,深層学習,強化学習,記述子,フィンガープリント,スモールデータ,転移学習,ベクトル,スカラー,確率変数,グラフに興味がある人

著者について

船津 公人

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)
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
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．

井上 貴央

2019年　東京大学大学院工学系研究科化学システム工学専攻修士課程修了
現在は同専攻の博士課程に在学中
学部時代は離散数理を専門とする研究室に所属し，化学グラフの数え上げアルゴリズムに関する研究に従事．修士課程では分野をケモインフォマティクスに移し，構造生成器の研究に従事．博士課程から，化学分野を対象とした深層学習，とくに少量の化学データに対する深層学習の研究に従事．

西川 大貴

2021年　東京大学大学院工学系研究科化学システム工学専攻修士課程修了
学部時代は，ベンチャー企業でのWebアプリケーション開発に関するインターンを通じて，プログラミングのスキルを習得．修士課程では，習得したスキルを生かして，マテリアルズインフォマティクスに関する研究に従事．特に化学分野を対象とした深層学習に精通．現在は，サイボウズ株式会社にて，Webアプリケーション開発に携わる．

目次

第1章　深層学習に必要なデータの準備

• 1.1　化学データに対する機械学習
• 1.2　有機化合物データ
• 1.3　無機化合物データ

第2章　深層学習のクイックレビュー

• 2.1　ニューラルネットワークの構造
• 2.2　ニューラルネットワークの訓練と正則化
• 2.3　深層生成モデル
• 2.4　その他の深層学習モデル
• 2.5　強化学習

第3章　有機化合物データを扱う深層学習

• 3.1　有機化合物データに対する前処理
• 3.2　少量データセットに対する対策
• 3.3　物性・活性の予測
• 3.4　有機反応の予測
• 3.5　有機分子の構造生成

第4章　無機化合物データを扱う深層学習

• 4.1　物性の予測
• 4.2　無機化合物の生成

第5章　有機化合物に対する深層学習の応用例

• 5.1　医薬品候補化合物の探索
• 5.2　有機高分子材料の探索
• 5.3　多成分系の化学物質の物性予測

第6章　深層学習を応用した無機材料の設計

• 6.1　物性予測モデルによる材料探索
• 6.2　生成モデルによる材料探索

第7章　化学における深層学習の課題・展望

• 7.1　利用可能なデータセットに関する問題
• 7.2　予測の不確実性
• 7.3　モデルの解釈
• 7.4　生成モデルの評価