マテリアルズインフォマティクス

前回の記事では、原子ごとに類似度の寄与率を可視化することができるメソッドSimilarityMapsを使って、TPSAなどの分子記述子に対する各原子の寄与を可視化する方法についてまとめた。 今回は類似度マップ（SmililarityMaps）を用いずに、描画方法をカスタマイズ（構造式にハイライトをつけたり、原子をインデックス表示にしたり etc...）についてまとめた。（本記事は「化学の新しいカタチ」の内容を簡潔にまとめたものです。より詳しい内容は、そちらに載っています） 描画の流れ コード モジュールのインストール 分子の準備 基本操作 それぞれのメソッドのオプションなど 描画をカスタマイズ…

はじめに BRICSによって生成したフラグメントを組み合わせることで新しい分子構造を生成する。(BRICSについて) 生成した分子群（仮想分子ライブラリー）は逆解析時の候補分子として利用可能。 このような構造生成器を Building blockタイプと呼ばれる。このタイプは化学構造としては妥当なものを生成しやすいことが長所。 水溶解度データ（金子研究室HPのデータセット）に含まれる1290分子の構造をフラグメント化し構造生成に利用する。 前準備 モジュールのインストール conda install -c conda-forge rdkit コード モジュールのインポート import num…

逆解析（分子探索）を行う際の、分子の生成に使用する部分構造（フラグメント）を準備する。 今回は、水溶解度データ（金子研究室HPのデータセット）に含まれる1290分子の構造をフラグメント化する。 検討するフラグメント手法は以下の２つ RECAP:分子を合成する際に逆合成の可能性が高い構造（アミド基やエステル基など11種類の部分構造）に基づいてフラグメント化する。(Retrosynthetic Combinatorial Analysis Procedure) BRICS：RECAPで着目していた11種類の構造を16種類に拡張したもの。(Breaking of Retrosynthetically…

前準備 モジュールのインストール conda install -c conda-forge rdkit pip install py3Dmol 分子の準備 適当な分子を準備する。 #分子の準備 mol = Chem.MolFromSmiles('CN[C@H](C)[C@H](O)c1ccccc1') #もしくは,SDFファイルの読み込みの際に,removeHs=Falseとすることで、水素原子を保持したまま分子の読み込みが可能 # suppl = Chem.SDMolSupplier('XXXX.sdf', removeHs=False) # mols = [mol for mol in s…

前準備 モジュールのインストール データの準備 分子構造の操作（コード） モジュールのインポート (基礎知識）MolオブジェクトとSMILESの相互変換 データの準備 部分構造検索 部分構造の削除 部分構造の変換 側鎖の削除処理 主骨格の削除処理 参考 前準備 モジュールのインストール conda install -c conda-forge rdkit データの準備 1290分子の水溶解度（LogS）データ（sdfファイル形式） （金子研究室HPのデータセットを利用） 分子構造の操作（コード） モジュールのインポート import pandas as pd import numpy as n…

マテリアルズインフォマティクス に関する企業の技術レポート・解析内容を再現する。 はじめに 技術レポート内容 ベイズ最適化について3 *データ駆動型の材料開発における課題 目的 諸条件 データ 変数作成 前処理 変数選択 解析手法 解析の流れ コード 前準備）モジュールのインストール モジュールインポート データセットの準備 logS t-SNEによる可視化 いざ検証 結果の可視化 描画t-SNE を使ってプロットを二次元に写す 予測と検証のサイクルを可視化してみる 結果 ランダムに次の化合物を指定した場合 単純に予測値（の平均）が高い化合物を指定した場合 （EIが最も高い化合物を指定した場合…

はじめに 化合物の構造情報から生成できる変数（記述子）のまとめ 前準備 使用するデータ 1290分子の水溶解度（LogS）データ（sdfファイル形式）の内、20分子を使用 （金子研究室HPのデータセットから取得） モジュールのインストール conda install -c conda-forge rdkit 変換コード モジュールのインポート import os import numpy as np import pandas as pd from mordred import Calculator, descriptors from rdkit import Chem, rdBase, Da…

化合物の溶解度予測（基礎編）をベースにして、今回は予測の信頼性（=予測値の分散=予測値がどれだけ不安定か）も合わせて評価した。 具体的には、分割の異なる訓練・テストデータを使って何度も予測を行うことで、予測値がどれだけブレるか検証した。 目的 諸条件 データ 変数作成 前処理 解析手法 予測値の平均・分散の計算方法 前準備 コード モジュールのインポート データの読み込みと変数作成 変数のスクリーニング 学習と予測 予測結果の可視化 サンプル同士の距離と予測値のばらつきの関係 参考HP 目的 分子の水溶解度（LogS）の予測および、予測値の分散を求める。 諸条件 データ 100分子の水溶解度（…

解析に関するノウハウやTIPS（コツ）なのどのメモです。 （20'/12/13 更新） クロスバリデーションの分割数 1000 サンプル以上 : 2-fold クロスバリデーション 1000 から 100 くらいまで : 5-fold クロスバリデーション 100 から 30 くらいまで : 10-fold クロスバリデーション 30 以下 : leave-one-out クロスバリデーション 参考：「DCE tool」に機能を追加しました！クロスバリデーション・カーネル関数・ベイズ最適化（金子研究室HP)

目的 化合物の基本的な情報（化合物名やCASなど）から、その化合物の情報（カノニカルSMILESや、分子量などの基本的な記述子）を取得する。 （SMILES情報があれば記述子を計算→化合物の物性予測の変数として使用できるが、SMILESを収集するのが面倒なので自動で一気に取得したい） 前準備 pubchemのモジュールをインストールしておく pip install pubchempy 単一化合物情報の取得 とりあえず一つの化合物の情報を取得する方法 import pubchempy as pcp #取得したい情報のリストを定義 properties = ['MolecularFormula',…

主にケモインフォマティクスで活用できそうな外部データベースのまとめ。 API利用などで一括取得が可能なDB Pubchem 化合物のデータベース。(APIを使った自動取得が可能） (参考：pubchem から化合物情報を一気に取得する) ChemSpider 化合物のデータベース。(APIを使った自動取得が可能） GDB-17,13,11 GDB-11:C,H,N,O,F から構成される原子数（水素は除く)が11個の化合物のデータベース GDB-13:C,H,N.O,D,Cl から構成される原子数（水素は除く)が13個の化合物のデータベース MoleculeNet 機械学習による分子特性予測を…

はじめに マテリアルインフォマティクスを進めるための情報収集・勉強のためのHPのまとめ (2020/11/7 更新） ケモインフォマティクス関連 明治大学金子研究室HP 一般的なデータ解析の流れ、予測モデルの紹介から、データ解析での化合物の取り扱い、解析のノウハウなど幅広い情報が網羅されている。オンラインサロンへ参加（無料）することで金子先生に直接質問することも可能。 Instruction of chemoinformatics どちらかというと基礎的な内容で、環境構築・機械学習手法・評価指標などについて勉強できる。説明がかなり丁寧で分かりやすい。東京大学船津研究室によって運用されている。 …

マサチューセッツ州ボストン - 2021年2月3日 - 先端技術調査を専門とする米調査会社ラックスリサーチは、毎年、先端技術の開発を手がける、世界のスタートアップ企業のプロファイリング調査を実施しています。今回、ラックスリサーチは、2020年に調査した企業の中で、最も高評価を得た注目すべき化学品・材料分野の技術系スタートアップ企業38社を発表しました。 ラックスリサーチのアナリストは、毎年、斬新な技術を開発する何千もの一流のスタートアップ企業に対しヒヤリング調査を行います。技術エキスパートが創業者と直接ディスカッションを行うことで、各社のセールスプレゼンテーションやプレスリリースでは得ることが…

はじめに マテリアルインフォマティクスを進めるための情報収集・勉強のためのHPのまとめ (2020/11/7 更新） ケモインフォマティクス関連 明治大学金子研究室HP 一般的なデータ解析の流れ、予測モデルの紹介から、データ解析での化合物の取り扱い、解析のノウハウなど幅広い情報が網羅されている。オンラインサロンへ参加（無料）することで金子先生に直接質問することも可能。 Instruction of chemoinformatics どちらかというと基礎的な内容で、環境構築・機械学習手法・評価指標などについて勉強できる。説明がかなり丁寧で分かりやすい。東京大学船津研究室によって運用されている。 …

はじめに マテリアルインフォマティクスを進めるための情報収集・勉強のためのHPのまとめ (2020/11/7 更新） ケモインフォマティクス関連 明治大学金子研究室HP 一般的なデータ解析の流れ、予測モデルの紹介から、データ解析での化合物の取り扱い、解析のノウハウなど幅広い情報が網羅されている。オンラインサロンへ参加（無料）することで金子先生に直接質問することも可能。 Instruction of chemoinfomrmatics どちらかというと基礎的な内容で、環境構築・機械学習手法・評価指標などについて勉強できる。説明がかなり丁寧で分かりやすい。東京大学船津研究室によって運用されている。…

興味のある新刊書籍を羅列してます。

実践 マテリアルズインフォマティクス-Pythonによる材料設計のための機械学習 「実践 マテリアルズインフォマティクス―Pythonによる材料設計のための機械学習―」内容紹介 「実践 マテリアルズインフォマティクス―Pythonによる材料設計のための機械学習―」目次 「実践 マテリアルズインフォマティクス―Pythonによる材料設計のための機械学習―」Amazonでの購入はこちら 「実践 マテリアルズインフォマティクス―Pythonによる材料設計のための機械学習―」楽天市場での購入はこちら 実践 マテリアルズインフォマティクス-Pythonによる材料設計のための機械学習 インプレスグループで…

こんばんは。今日は、材料データベースを使った機械学習による物性予測をやってみたいと思います。いわゆるマテリアルズインフォマティクスと呼ばれる分野の話題です。既にQiitaなどを見るとランダムフォレストなどの手法を用いた実例があるわけですが、本稿ではElemNetと呼ばれる多層パーセプトロン型の機械学習モデルを用いたエネルギーの予測を行いました。使ったデータベースはMaterialsProjectで、pymatgenというAPIを用いました。機械学習部分はPyTorchで実装しました。コード付きなので、適宜ご参照下さい。以下が目次です。 １．学習用データの準備 ２．Datasetクラスの定義 ３…

こんにちは。今日は材料と情報科学の融合領域の話題を取り上げたいと思います。材料科学の世界でも機械学習技術の活用は大きく進展しており、このような科学分野を一般にマテリアルズインフォマティクスと総称します。特定の技術のことを指すのではなく、技術のまとまりや研究分野のことを指しているためどこかモヤっとした概念なのですが、この領域は１０年ほど前から世界的に研究されています。私自身もこの分野に携わった経験があるため、私見ではありますが比較的良く目にすると思われる主要な技術について、一覧表を作成してみました。この中の技術を使ってたらそれはMIなんだと私は思っています（曖昧な表現ですが・・・）。 ＜お断り＞…

僕は何を考えて就活していたか？ 今日は就活について書こうと思う。コロナショックによって景気後退が確実になっている。コロナショックがなくても日本のGDPは消費税増税によって後退傾向にあったので、コロナショックによって景気後退は確実だろう。問題はその景気後退がどのレベルになるのかという事だ。リーマン・ショック並みなのか。世界恐慌並みになるんじゃ無いかという人もいる。就活生にとって厳しい戦いになるのは確実だろう。そこで参考になるかどうかわからないけれど、僕がどんな戦略で就活をしていたか書こうと思う。僕は理系大学院の修士を卒業してメーカーに勤務している。なので理系大学院生の就活の参考になれば、幸いだ。…

はじめに ケモインフォマティクスやマテリアルズインフォマティクスでは良く使用されるExtended Connectivity Circular Fingerprints (ECFP)及び Neural Graph Fingerprint (NFP) を実装してみました。ZincデータセットのlogP-SAを予測することで、両手法を比較しています。ECFPとNFPは下論文で提案された方法です。 Extended-Connectivity Fingerprints, David Rogers and Mathew Hahn, JCIM 2010 Convolutional Networks on …

（2020年3月27日 掲載） 東洋紡はDXによる「モノ売り」から「コト売り」への転換を図っている 社内でのデザインシンキングに基づき、各種ITツールの導入を検討 経営企画部で予算化することで、「T-4OO」の全社導入に成功 日本では、本当の意味での「デジタルトランスフォーメーション」（以下、DX）に成功している企業はごくわずかなのが実状だ。特に大企業においては、社内で新しいITツールを導入してはみたものの、なかなか全社員に浸透せず、一部の部署での限定的な取り組みに終始しているというケースも少なくない。大阪府大阪市に本社を置く「東洋紡」は、全社を挙げて積極的にDX化を推進しようとしている企業の…

化学業界でも各社で機械学習の適用が進んでおり、私はその中でもマテリアルズインフォマティクス(MI)と呼ばれる手法に着目しています。 MIをざっくり説明すると、未知の物質の性能を原料や製造法、過去のデータベースなどの情報からから予測する方法です。 従来は研究者の経験と勘から良さそうだと思ったものについて実験することが多かったのですが、かなり時間がかかってしまいます。そのため、計算手法を用いることでより効率的に新規材料の開発を進めることが期待されています。 機械学習にはいくつか出来ることがありますが、当面は数値を予測する回帰手法の学習を進めます。 この知識が投資先の選定にも活用できれば良いな、とも…