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【電子書籍】[ 船津 公人 ]

＜p＞深層学習を用いた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を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。
＜br /＞ 【目次】＜br /＞ 序章　深層学習に必要なデータの準備＜br /＞ 0.1 化学データに対する機械学習＜br /＞ 0.2 有機化合物データ＜br /＞ 0.2.1 データ形式＜br /＞ 0.2.2 データベースの紹介＜br /＞ 0.3 無機化合物データ＜br /＞ 0.3.1 データ形式＜br /＞ 0.3.2 データベースの紹介＜/p＞ ＜p＞第1章　有機化合物に対する予測モデル＜br /＞ 1.1 マルチタスク学習を利用したポリマーの物性予測＜br /＞ 1.1.1 モデル訓練のための準備＜br /＞ 1.1.2 利用する手法＜br /＞ 1.1.3 性能評価＜br /＞ 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＜br /＞ 1.2.1 モデル訓練のための準備＜br /＞ 1.2.2 利用する手法＜br /＞ 1.2.3 性能評価＜br /＞ 1.3 予測の不確実性を考慮したPFAS の毒性予測＜br /＞ 1.3.1 モデル訓練のための準備＜br /＞ 1.3.2 利用する手法＜br /＞ 1.3.3 性能評価＜/p＞ ＜p＞第2章　無機材料に対する予測モデル＜br /＞ 2.1 結晶性材料の合成可能性の予測＜br /＞ 2.1.1 モデル訓練のための準備＜br /＞ 2.1.2 利用する手法＜br /＞ 2.1.3 性能評価＜br /＞ 2.2 材料の局所構造の安定性予測と新規材料の予想＜br /＞ 2.2.1 モデル訓練のための準備＜br /＞ 2.2.2 利用する手法＜br /＞ 2.2.3 性能評価＜br /＞ 2.3 合金のガラス形成能の予測＜br /＞．．．楽天市場のショップで商品詳細の続きを見る