| 研究課題/領域番号 |
17H07392
|
|---|
| 研究種目 |
研究活動スタート支援
|
| 配分区分 | 補助金 |
|---|
| 研究分野 |
生命・健康・医療情報学
|
|---|
| 研究機関 | 国立研究開発法人産業技術総合研究所 |
|---|
研究代表者 |
椿 真史 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 研究員 (80803874)
|
|---|
| 研究協力者 |
麻生 英樹
兼村 厚範
|
|---|
| 研究期間 (年度) |
2017-08-25 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2018年度: 1,560千円 (直接経費: 1,200千円、間接経費: 360千円)
2017年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
|---|
| キーワード | 深層学習 / 創薬 / 機械学習 / 人工知能 |
|---|
| 研究成果の概要 |
機械学習分野における最大の国際会議である、Advances in Neural Information Processing Systems (NIPS 2017) のワークショップでベストペーパー賞を受賞した。また、バイオインフォマティクス分野の国際ジャーナルであるBioinformaticsに論文が採択された。同時に、開発したソフトウエアを一般に公開した。さらにこの成果に基づき、製薬会社と共同研究を行うことになった。基礎研究の部分である手法の考案から、論文採択とソフトウエアの公開、そしてそこから企業との共同研究という、産業応用までの一連の流れを作ることができた。
|
| 研究成果の学術的意義や社会的意義 |
この研究成果の学術的な意義としては、まず、グラフ構造のような離散データについても、深層学習の有効性を検証できたという点である。特に、これまで特徴量や記述子を使って、データを一旦変換した上で、つまり情報を人間の観点から削減した上で機械学習手法を適用していたものが、データのより原始的な情報を入力として扱えるようになった。また、社会的な意義としては、これまで新薬の開発が難しかった病気などに対して、コンピュータのアプローチから迫ることができる点である。特に、機械学習手法はシュミレーションなどの異なり、予測の精度が非常に速いことが大きな利点である。
|
