• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

物性予測モデルの逆解析および科学的解釈に関する研究

研究課題

研究課題/領域番号 19K15352
研究種目

若手研究

配分区分基金
審査区分 小区分27020:反応工学およびプロセスシステム工学関連
研究機関明治大学

研究代表者

金子 弘昌  明治大学, 理工学部, 専任准教授 (00625171)

研究期間 (年度) 2019-04-01 – 2023-03-31
研究課題ステータス 交付 (2021年度)
配分額 *注記
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2022年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2021年度: 650千円 (直接経費: 500千円、間接経費: 150千円)
2020年度: 910千円 (直接経費: 700千円、間接経費: 210千円)
2019年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
キーワード適応的実験計画法 / 能動学習 / 直接的逆解析 / 予測精度 / ベイズ最適化 / QSPR / QSAR / プロセス設計 / モデルの逆解析 / モデルの解釈 / ケモインフォマティクス / マテリアルズインフォマティクス / プロセスインフォマティクス / 人工知能
研究開始時の研究の概要

本研究の目的は、化学構造および実験条件から材料の物性を予測する人工知能モデルを逆方向に解析(逆解析)することで、目標の物性を満たすための化学構造情報および実験条件情報を獲得し、さらにモデルを科学的に解釈することである。本研究の目的を達成するため、以下の項目 A) B) を実施する。
A) 化学構造・実験条件と物性の間の関係を確率分布で表現することでモデルの逆解析が可能となる、複数物性を対象にした高精度な物性予測モデル (人工知能モデル) を構築する
B) 人工知能モデルを数値的に”実験”することで、モデルを科学的に解釈する

研究実績の概要

分子設計・材料設計・プロセス設計において分子記述子・合成条件・製造条件・プロセス条件などの特徴量 x と物性・活性・特性などの目的変数 y との間で数理モデル y = f(x) を構築し、そのモデルを活用して y の目標値を達成するための x の値の設計、すなわちモデルの逆解析を行う。一般的には x の値の候補を大量にモデル入力して y の値を予測し、予測値が良好な x の値を選択するが、Gaussian Mixture Regression (GMR) による直接的逆解析により、y の目標値をモデルに入力して直接的に x の値を予測できる。
一方で、適応的実験計画法もしくは能動学習により少ない実験回数やコンピュータシミュレーション回数でそれぞれ所望の分子・材料やプロセスを探索することが求められている。ベイズ最適化ではガウス過程回帰モデルからの y の予測値とその分散に基づいて計算される獲得関数の値が最大となる、x の候補が次の実験候補として選択される。しかし、ベイズ最適化では有限個のサンプルの中から候補を選択しているに過ぎず、その中に最適解があるとは限らない。また x に上限値や下限値を決めるためそれらを越える解は得られない。そこでそれらの問題を解決するため、GMR に基づく適応的実験計画法である GMR-based optimization (GMRBO) を提案した。GMRモデルは y の目標値から直接 x の値を推定できるため、x に上限値や下限値を決めることなく最適解を計算できる。y と x との間の非線形関数を用いた実験により、特に x の数が多いときに、GMRBOによってベイズ最適化より劇的に少ない実験回数で y の目標値を達成できること、および既存の y の値を超越する実験結果を得ることが可能であることを確認した。

現在までの達成度 (区分)
現在までの達成度 (区分)

2: おおむね順調に進展している

理由

目的変数の目標値を達成する実験条件を直接予測する適応的実験計画法を開発し、効率的な実験計画と高精度な実験条件提案を達成したため

今後の研究の推進方策

昨年度は既存のデータセットにおける目的変数 y の値を超越する説明変数 x の値を提案可能な適応的実験計画法を開発した。そこで今後は、構築されたモデル y=f(x) を解釈可能な手法を開発する。
分子設計・材料設計・プロセス設計および制御において、x と y の間で予測精度の高いモデルを構築することだけでなく、現象を説明したりメカニズムを解明したりするため構築されたモデルを解釈することも重要である。線形のモデルであっても x の変数間の多重共線性のため、回帰係数を y に対する x の寄与度とすることは危険である。x 同士が高い相関関係にあるとき、一つの x の回帰係数を正に大きく、もう一方の x の回帰係数を負に大きくすることで、バランスを保とうとする。回帰係数の値を y に対する x の寄与度とできるのは、x の変数間の多重共線性が全くない時か、x が1変数の時のみである。前者は現実的でないことから、本研究では部分的最小二乗法の1成分モデルに着目する。一つの主成分しか使用していないため、回帰係数を y に対する x の寄与度とすることが可能であるが、予測精度の高いモデルを構築することは難しい。そこで本研究では予測精度が高く、かつ解釈可能なモデルを構築できる x の組み合わせを遺伝的アルゴリズムによって選択する。これにより高い予測精度と解釈性を合わせもつモデルを構築可能となる。さらに、化合物や材料のデータセットだけでなく、スペクトルのデータセットやプロセスの時系列データセットにも応用可能な手法とする。

報告書

(3件)
  • 2021 実施状況報告書
  • 2020 実施状況報告書
  • 2019 実施状況報告書

研究成果

(51件)

すべて 2022 2021 2020 2019

すべて 雑誌論文 (22件) (うち査読あり 15件、 オープンアクセス 8件) 学会発表 (26件) (うち国際学会 4件、 招待講演 16件) 図書 (3件)

  • [雑誌論文] Development of Prediction Models for the Self-Accelerating Decomposition Temperature of Organic Peroxides2022

    • 著者名/発表者名
      Morishita Toshiharu、Kaneko Hiromasa
    • 雑誌名

      ACS Omega

      巻: 7 ページ: 2429-2437

    • DOI

      10.1021/acsomega.1c06481

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] Deep Convolutional Neural Network with Deconvolution and a Deep Autoencoder for Fault Detection and Diagnosis2022

    • 著者名/発表者名
      Kanno Yasuhiro、Kaneko Hiromasa
    • 雑誌名

      ACS Omega

      巻: 7 ページ: 2458-2466

    • DOI

      10.1021/acsomega.1c06607

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] True Gaussian mixture regression and genetic algorithm-based optimization with constraints for direct inverse analysis2022

    • 著者名/発表者名
      Kaneko Hiromasa
    • 雑誌名

      Science and Technology of Advanced Materials: Methods

      巻: 2 ページ: 14-22

    • DOI

      10.1080/27660400.2021.2024101

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] Genetic Algorithm-Based Partial Least-Squares with Only the First Component for Model Interpretation2022

    • 著者名/発表者名
      Kaneko Hiromasa
    • 雑誌名

      ACS Omega

      巻: 7 ページ: 8968-8979

    • DOI

      10.1021/acsomega.1c07379

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] Design and Analysis of Metal Oxides for CO<sub>2</sub> Reduction Using Machine Learning, Transfer Learning, and Bayesian Optimization2022

    • 著者名/発表者名
      Iwama Ryo、Takizawa Koji、Shinmei Kenichi、Baba Eisuke、Yagihashi Noritoshi、Kaneko Hiromasa
    • 雑誌名

      ACS Omega

      巻: 7 ページ: 10709-10717

    • DOI

      10.1021/acsomega.2c00461

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] Correlation between the Metal and Organic Components, Structure Property, and Gas-Adsorption Capacity of Metal?Organic Frameworks2021

    • 著者名/発表者名
      Yuyama Shunsuke、Kaneko Hiromasa
    • 雑誌名

      Journal of Chemical Information and Modeling

      巻: 61 ページ: 5785-5792

    • DOI

      10.1021/acs.jcim.1c01205

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり
  • [雑誌論文] Adaptive soft sensor ensemble for selecting both process variables and dynamics for multiple process states2021

    • 著者名/発表者名
      Yamada Nobuhito、Kaneko Hiromasa
    • 雑誌名

      Chemometrics and Intelligent Laboratory Systems

      巻: 219 ページ: 104443-104443

    • DOI

      10.1016/j.chemolab.2021.104443

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり
  • [雑誌論文] Lifting the limitations of Gaussian mixture regression through coupling with principal component analysis and deep autoencoding2021

    • 著者名/発表者名
      Kaneko Hiromasa
    • 雑誌名

      Chemometrics and Intelligent Laboratory Systems

      巻: 218 ページ: 104437-104437

    • DOI

      10.1016/j.chemolab.2021.104437

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり
  • [雑誌論文] Design of Experimental Conditions with Machine Learning for Collaborative Organic Synthesis Reactions Using Transition-Metal Catalysts2021

    • 著者名/発表者名
      Ebi Tomoya、Sen Abhijit、Dhital Raghu N.、Yamada Yoichi M. A.、Kaneko Hiromasa
    • 雑誌名

      ACS Omega

      巻: 6 ページ: 27578-27586

    • DOI

      10.1021/acsomega.1c04826

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] Examining variable selection methods for the predictive performance of regression models and the proportion of selected variables and selected random variables2021

    • 著者名/発表者名
      Kaneko Hiromasa
    • 雑誌名

      Heliyon

      巻: 7

    • DOI

      10.1016/j.heliyon.2021.e07356

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] Extended Gaussian mixture regression for forward and inverse analysis2021

    • 著者名/発表者名
      Kaneko Hiromasa
    • 雑誌名

      Chemometrics and Intelligent Laboratory Systems

      巻: 213 ページ: 104325-104325

    • DOI

      10.1016/j.chemolab.2021.104325

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり
  • [雑誌論文] Design of ethylene oxide production process based on adaptive design of experiments and Bayesian optimization2021

    • 著者名/発表者名
      Iwama Ryo、Kaneko Hiromasa
    • 雑誌名

      Journal of Advanced Manufacturing and Processing

      巻: 3

    • DOI

      10.1002/amp2.10085

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり
  • [雑誌論文] Transfer learning and wavelength selection method in NIR spectroscopy to predict glucose and lactate concentrations in culture media using VIP‐Boruta2021

    • 著者名/発表者名
      Kaneko Hiromasa、Kono Shunsuke、Nojima Akihiro、Kambayashi Takuya
    • 雑誌名

      Analytical Science Advances

      巻: 2 ページ: 470-479

    • DOI

      10.1002/ansa.202000177

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり / オープンアクセス
  • [雑誌論文] Estimating the reliability of predictions in locally weighted partial least‐squares modeling2021

    • 著者名/発表者名
      Kaneko Hiromasa
    • 雑誌名

      Journal of Chemometrics

      巻: 35

    • DOI

      10.1002/cem.3364

    • 関連する報告書
      2021 実施状況報告書
    • 査読あり
  • [雑誌論文] Adaptive design of experiments based on Gaussian mixture regression2021

    • 著者名/発表者名
      Kaneko Hiromasa
    • 雑誌名

      Chemometrics and Intelligent Laboratory Systems

      巻: 208 ページ: 104226-104226

    • DOI

      10.1016/j.chemolab.2020.104226

    • 関連する報告書
      2020 実施状況報告書
  • [雑誌論文] Estimation and visualization of process states using latent variable models based on Gaussian process2021

    • 著者名/発表者名
      Kaneko Hiromasa
    • 雑誌名

      Analytical Science Advances

      巻: -

    • DOI

      10.1002/ansa.202000122

    • 関連する報告書
      2020 実施状況報告書
  • [雑誌論文] Prediction of spin?spin coupling constants with machine learning in NMR2021

    • 著者名/発表者名
      Shibata Kaina、Kaneko Hiromasa
    • 雑誌名

      Analytical Science Advances

      巻: -

    • DOI

      10.1002/ansa.202000180

    • 関連する報告書
      2020 実施状況報告書
  • [雑誌論文] Direct inverse analysis based on Gaussian mixture regression for multiple objective variables in material design2020

    • 著者名/発表者名
      Shimizu Naoto、Kaneko Hiromasa
    • 雑誌名

      Materials & Design

      巻: 196 ページ: 109168-109168

    • DOI

      10.1016/j.matdes.2020.109168

    • 関連する報告書
      2020 実施状況報告書
  • [雑誌論文] Two‐ and Three‐dimensional Quantitative Structure‐activity Relationship Models Based on Conformer Structures2020

    • 著者名/発表者名
      Nitta Fumika、Kaneko Hiromasa
    • 雑誌名

      Molecular Informatics

      巻: 40 ページ: 2000123-2000123

    • DOI

      10.1002/minf.202000123

    • 関連する報告書
      2020 実施状況報告書
  • [雑誌論文] Design of thermoelectric materials with high electrical conductivity, high Seebeck coefficient, and low thermal conductivity2020

    • 著者名/発表者名
      Yoshihama Hiroki、Kaneko Hiromasa
    • 雑誌名

      Analytical Science Advances

      巻: -

    • DOI

      10.1002/ansa.202000114

    • 関連する報告書
      2020 実施状況報告書
  • [雑誌論文] Support vector regression that takes into consideration the importance of explanatory variables2020

    • 著者名/発表者名
      Kaneko Hiromasa
    • 雑誌名

      Journal of Chemometrics

      巻: 35

    • DOI

      10.1002/cem.3327

    • 関連する報告書
      2020 実施状況報告書
  • [雑誌論文] Development of Ensemble Learning Method Considering Applicability Domains2019

    • 著者名/発表者名
      Keigo Sato, Hiromasa Kaneko
    • 雑誌名

      J. Comput. Chem. Jpn.

      巻: 18 号: 4 ページ: 187-193

    • DOI

      10.2477/jccj.2019-0010

    • NAID

      130007790939

    • ISSN
      1347-1767, 1347-3824
    • 関連する報告書
      2019 実施状況報告書
    • 査読あり
  • [学会発表] 最新情報科学を活用したプロセス設計・実験計画のスマート化2022

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      第37回さんわかセミナー
    • 関連する報告書
      2021 実施状況報告書
    • 招待講演
  • [学会発表] プロセスインフォマティクスの進展2022

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      化学工学会 反応工学部会 CVD 反応分科会 第35回シンポジウム
    • 関連する報告書
      2021 実施状況報告書
    • 招待講演
  • [学会発表] 化学プラントにおけるデータベースを利用したプロセス設計・装置設計・プロセス制御2022

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      第27回 関西地区分離技術講演会
    • 関連する報告書
      2021 実施状況報告書
    • 招待講演
  • [学会発表] ケモ・マテリアルズ・プロセスインフォマティクスの直接的逆解析法による分子・材料・プロセス設計2022

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      令和3年度 第5回 食・触コンソーシアム シンポジウム
    • 関連する報告書
      2021 実施状況報告書
    • 招待講演
  • [学会発表] 化学工学におけるデータサイエンスの研究例・活用例2022

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      令和 3 年度化学工学会関東支部若手の会(ChEC-East)講演会
    • 関連する報告書
      2021 実施状況報告書
    • 招待講演
  • [学会発表] プロセスインフォマティクスに基づくプロセスの設計および管理2022

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      日本化学会第102春季年会
    • 関連する報告書
      2021 実施状況報告書
    • 招待講演
  • [学会発表] データサイエンスに基づく高機能性材料の研究・開発・評価・製造の支援2022

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      2022年第1回半導体3D実装材料プロセス・インフォマティクス研究会
    • 関連する報告書
      2021 実施状況報告書
  • [学会発表] データサイエンスによる高機能材料の設計2021

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      第4回ファインケミカルジャパン2021
    • 関連する報告書
      2021 実施状況報告書
    • 招待講演
  • [学会発表] 機械学習に基づく分子・材料設計および金属有機構造体への応用2021

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      日本セラミックス協会 第34回秋季シンポジウム
    • 関連する報告書
      2021 実施状況報告書
    • 招待講演
  • [学会発表] 機械学習を活用した分子・材料の物性予測2021

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      超臨界流体部会 第20回サマースクール
    • 関連する報告書
      2021 実施状況報告書
    • 招待講演
  • [学会発表] Pythonで気軽に化学・化学工学2021

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      第11回CSJ化学フェスタ2021
    • 関連する報告書
      2021 実施状況報告書
    • 招待講演
  • [学会発表] データ駆動型化学工学の進展2021

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      第50回結晶成長国内会議(JCCG-50)
    • 関連する報告書
      2021 実施状況報告書
    • 招待講演
  • [学会発表] 分子・材料・プロセスを設計する直接的逆解析法の開発2021

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      令和3年度(2021 年度)日本材料科学会若手研究者講演会
    • 関連する報告書
      2021 実施状況報告書
  • [学会発表] 化学業界におけるデータサイエンス2021

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      INCHEM TOKYO 2021
    • 関連する報告書
      2021 実施状況報告書
    • 招待講演
  • [学会発表] ベイズ最適化に基づくエチレンオキシド製造プロセスの設計2020

    • 著者名/発表者名
      岩間稜, 金子弘昌
    • 学会等名
      化学工学会第85年会
    • 関連する報告書
      2019 実施状況報告書
  • [学会発表] プロセス変数と時間遅れを同時に最適化した適応型ソフトセンサーの開発2020

    • 著者名/発表者名
      山田信仁, 金子弘昌
    • 学会等名
      化学工学会第85年会
    • 関連する報告書
      2019 実施状況報告書
  • [学会発表] ベイズ最適化に基づく適応型ソフトセンサー選択手法の開発2020

    • 著者名/発表者名
      山影柊斗, 金子弘昌
    • 学会等名
      化学工学会第85年会
    • 関連する報告書
      2019 実施状況報告書
  • [学会発表] 安全性が高い高熱伝導率を有する冷媒の設計2020

    • 著者名/発表者名
      山本統久, 金子弘昌
    • 学会等名
      化学工学会第85年会
    • 関連する報告書
      2019 実施状況報告書
  • [学会発表] 誘電率と安定性を考慮した高分子材料のモノマー設計2020

    • 著者名/発表者名
      谷脇寛明, 金子弘昌
    • 学会等名
      化学工学会第85年会
    • 関連する報告書
      2019 実施状況報告書
  • [学会発表] データサイエンスによる高機能材料の研究・開発・評価・製造の支援2020

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      先端化学・材料技術部会 CC分科会 講演会
    • 関連する報告書
      2019 実施状況報告書
    • 招待講演
  • [学会発表] Nonlinear Dynamic Feature Extraction Based on Gaussian Process Dynamical Models for Jit-Based Adaptive Soft Sensors2019

    • 著者名/発表者名
      Yasuhiro Kanno, Hiromasa Kaneko
    • 学会等名
      2019 AIChE Annual Meeting
    • 関連する報告書
      2019 実施状況報告書
    • 国際学会
  • [学会発表] Constructing Interpretable and Accurate Model Combining Decision Tree and Random Forest2019

    • 著者名/発表者名
      Naoto Shimizu, Hiromasa Kaneko
    • 学会等名
      2019 AIChE Annual Meeting
    • 関連する報告書
      2019 実施状況報告書
    • 国際学会
  • [学会発表] New Evaluation Method of Soft Sensors Considering Characteristics of Time Series Data2019

    • 著者名/発表者名
      Takumi Kojima, Hiromasa Kaneko
    • 学会等名
      2019 AIChE Annual Meeting
    • 関連する報告書
      2019 実施状況報告書
    • 国際学会
  • [学会発表] Molecular, Material, Product and Process Design and Process Control Based on Materials Informatics, Chemoinformatics and Process Informatics2019

    • 著者名/発表者名
      Hiromasa Kaneko
    • 学会等名
      Materials Research Meeting 2019
    • 関連する報告書
      2019 実施状況報告書
    • 国際学会 / 招待講演
  • [学会発表] データ解析および機械学習による高機能材料の研究・開発・製造の支援2019

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      日本化学会 産学交流委員会 R&D懇話会
    • 関連する報告書
      2019 実施状況報告書
    • 招待講演
  • [学会発表] 生成モデルによるデータの可視化・回帰分析・クラス分類・モデルの適用範囲の設定・モデルの逆解析・分子設計・材料設計2019

    • 著者名/発表者名
      金子弘昌
    • 学会等名
      第63回日本薬学会関東支部大会
    • 関連する報告書
      2019 実施状況報告書
    • 招待講演
  • [図書] Pythonで学ぶ実験計画法入門 ベイズ最適化によるデータ解析2021

    • 著者名/発表者名
      金子 弘昌
    • 総ページ数
      188
    • 出版者
      講談社
    • ISBN
      9784065235300
    • 関連する報告書
      2021 実施状況報告書
  • [図書] Pythonで気軽に化学・化学工学2021

    • 著者名/発表者名
      化学工学会、金子 弘昌
    • 総ページ数
      196
    • 出版者
      丸善出版
    • ISBN
      9784621306154
    • 関連する報告書
      2021 実施状況報告書
  • [図書] 化学のためのPythonによるデータ解析・機械学習入門2019

    • 著者名/発表者名
      金子 弘昌
    • 総ページ数
      240
    • 出版者
      オーム社
    • ISBN
      9784274224416
    • 関連する報告書
      2019 実施状況報告書

URL: 

公開日: 2019-04-18   更新日: 2022-12-28  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi