| 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
|
| 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 / 分子設計 / 材料設計 / プロセス設計 |
|---|
| 研究成果の概要 |
分子・材料・プロセスの設計における従来の逆解析は、物性・活性Yと特徴量Xとの間で数理モデルY=f(X)を構築した後に、Xの仮想サンプルを大量に生成し、それらをモデルに入力してYの値を予測し、予測値が良好な仮想サンプルを選択する、すなわち順解析を網羅的に繰り返す擬似的な逆解析にすぎなかった。これでは人が事前に想定したXの探索範囲におけるYの予測にすぎず、当初想定しない条件でこそ発現する新機能の探索には全く対応できない。本研究ではYからXを直接予測する手法、すなわちY=f(X)をX=g(Y)に変換してモデルを真の意味で逆解析する手法「直接的逆解析法」を開発し、各種分子・材料・プロセスに展開した。
|
| 自由記述の分野 |
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
|
| 研究成果の学術的意義や社会的意義 |
本研究の成果により、科学者・開発者の創造力のつまった実験結果の中にある暗黙知を形式知化でき、実験結果および実験データから構築された数理モデルを化学的・工学的に理解できる形にすることが可能になる。提案手法により、どうしてその実験結果になったのか、どうしてその化学構造・実験条件・プロセス条件で物性値・活性値が得られたのか、望ましい物性値・活性値を得るためにはどのような化学構造・実験条件・プロセス条件にすればよいのか、といったことが明らかになり、科学的なメカニズムの解明に貢献する。本研究の成果により実験と統計とが融合することにより新たな科学的知識発見につながる。
|
