研究者
J-GLOBAL ID：201601015355589120   更新日: 2024年06月06日

金子 弘昌

カネコ ヒロマサ | Kaneko Hiromasa
所属機関・部署：
明治大学 理工学部

明治大学 理工学部 について


職名： 専任准教授
ホームページURL (1件)： https://datachemeng.com/
研究分野 (1件)： 反応工学、プロセスシステム工学
研究キーワード (20件)： 能動学習 ,  実験計画法 ,  ベイズ最適化 ,  機械学習 ,  直接的逆解析 ,  プロセスインフォマティクス ,  マテリアルズインフォマティクス ,  ケモインフォマティクス ,  プロセス設計 ,  材料設計 ,  分子設計 ,  時間変数 ,  プロセス管理 ,  モデルの劣化 ,  時間差分 ,  適応型モデル ,  予測誤差 ,  ベイズの定理 ,  アンサンブル学習 ,  ソフトセンサー
競争的資金等の研究課題 (9件)：
  • 2020 - 2025 分子の物理・化学吸着による炭素表面での自在ナノ構造作成と機能開拓
  • 2020 - 2024 実験と計算科学との融合による生命機能を備えたテーラード人工骨の開発
  • 2019 - 2023 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
  • 2019 - 2021 適応的実験計画法による高効率な結晶育成プロセスの条件探索
  • 2015 - 2016 産業プラントにおける異常検出および異常原因診断システムの開発
全件表示
論文 (185件)：
  • Shuto Yamakage, Kazutoshi Terauchi, Fumiya Hamada, Toshinori Yamaji, Hiromasa Kaneko. Predicting product quality and optimising process design using dynamic time warping in batch processes with varying batch times. Case Studies in Chemical and Environmental Engineering. 2024
  • Yuki Nakayama, Saki Morishita, Hayato Doi, Tatsuya Hirano, Hiromasa Kaneko. Molecular Design of Novel Herbicide and Insecticide Seed Compounds with Machine Learning. ACS Omega. 2024
  • Hiromasa Kaneko. Evaluation and Optimization Methods for Applicability Domain Methods and Their Hyperparameters, Considering the Prediction Performance of Machine Learning Models. ACS Omega. 2024
  • Hiromasa Kaneko. Clustering method for the construction of machine learning model with high predictive ability. Chemometrics and Intelligent Laboratory Systems. 2024
  • Yuki Nakayama, Hiromasa Kaneko. Development of New Molecular Descriptors Based on Flare Software Considering Three-Dimensional Chemical Structures. Industrial & Engineering Chemistry Research. 2024
もっと見る
MISC (5件)：
  • Hiromasa Kaneko, Kimito Funatsu. Nonlinear Regression Method with Variable Region Selection and Application to Soft Sensors (vol 121, pg 26, 2013). CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS. 2014. 132. 176-176
  • Takuya Kishio, Hiromasa Kaneko, Kimito Funatsu. Strategic Parameter Search Method Based on Prediction Errors and Data Density for Efficient Product Design (vol 127, pg 70, 2013). CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS. 2014. 132. 177-177
  • Hiromasa Kaneko, Kimito Funatsu. A chemometric approach to prediction of transmembrane pressure in membrane bioreactors (vol 126, pg 30, 2013). CHEMOMETRICS AND INTELLIGENT LABORATORY SYSTEMS. 2014. 132. 175-175
  • H. Kaneko, M. Arakawa, K. Funatsu. Development of a New Regression Analysis Method Using Independent Component Analysis (vol 48, pg 534, 2008). JOURNAL OF CHEMICAL INFORMATION AND MODELING. 2013. 53. 11. 3113-3113
  • 金子 弘昌, 船津 公人. プラント運転の安定化と効率化を目指したソフトセンサー技術 (特集 分離技術における計算化学の最近の進歩). 分離技術. 2009. 39. 3. 167-173
書籍 (9件)：
  • 化学のための Pythonによるデータ解析・機械学習入門
    オーム社 2019
  • ファウリングの原因と対策・抑制技術
    S&T出版株式会社 2016 ISBN:4907002521
  • Soft Sensors: Chemoinformatic Model for Efficient Control and Operation in Chemical Plants.
    2016
  • Data Visualization & Clustering: Generative Topographic Mapping Similarity Assessment Allied to Graph Theory Clustering.
    2016
  • 化学工場・研究所の事故・災害対策とリスク管理
    技術情報協会 2015 ISBN:4861045843
もっと見る
講演・口頭発表等 (182件)：
  • データ駆動型モデルを活用した分子設計・材料設計・プロセス設計・プロセス管理
    (新化学技術推進協会(JACI) 高分子シミュレーション技術セミナー 2018)
  • Measure of Regression Model Accuracy for Quantitative Structure-Activity(Property) Relationship Considering Applicability Domains
    (International Congress on Pure & Applied Chemistry (ICPAC) 2018)
  • 化学産業におけるデータ活用
    (INCHEM TOKYO 2017産学官マッチングフォーラム 2017)
  • データベースおよびインフォマティクス技術を活用した分子設計・材料設計・プロセス設計
    (高分子計算機科学研究会 2017)
  • Process Design and Process Control Based on Statistical Analysis and Machine Learning Using Big Data
    (The 8th China-Japan Symposium on Chemical Engineering 2017)
もっと見る
学位 (1件)：
  • 博士(工学) (東京大学)
経歴 (2件)：
  • 2017/04 - 2020/03 明治大学 理工学部 専任講師
  • 2012/04 - 2017/03 東京大学 工学(系)研究科(研究院) 助教
受賞 (17件)：
  • 2023/09 - Symposium Award, International Congress on Pure & Applied Chemistry
  • 2018/04 - International Congress on Pure & Applied Chemistry Best Lecture Award Measure of Regression Model Accuracy for Quantitative Structure-Activity(Property) Relationship Considering Applicability Domains
  • 2017/04 - 化学工学会 論文審査貢献賞
  • 2016/09 - 日本化学会 情報化学部会 JCAC論文賞 A Mini-review on Chemoinformatics Approaches for Drug Discovery
  • 2016/09 - 日本化学会 情報化学部会 JCAC論文賞 A Mini-review on Chemoinformatics Approaches for Drug Discovery
全件表示
※　J-GLOBALの研究者情報は、researchmapの登録情報に基づき表示しています。 登録・更新については、こちらをご覧ください。

前のページに戻る

TOP

BOTTOM