Updated on 2025/05/05

写真a

 
FUJINAMI, Mikito
 
Affiliation
Faculty of Science and Engineering, Waseda Research Institute for Science and Engineering
Job title
Junior Researcher(Assistant Professor)
Degree
博士（理学） ( 2020.03 Waseda University )

Research Experience

  • 2023.04
    -
    Now

    Waseda University   Research Institute for Science and Engineering   Junior Researcher

  • 2020.04
    -
    2023.03

    Waseda University   School of Advanced Science and Engineering   Assisstant Professor

  • 2018.04
    -
    2020.03

    Japan Society for the Promotion of Science   JSPS Research Fellowship for Young Scientists DC2

Education Background

  • 2017.04
    -
    2020.03

    Waseda University   Graduate School of Advanced Science and Engineering   Department of Chemistry and Biochemistry  

  • 2016.04
    -
    2017.03

    Waseda University   Graduate School of Advanced Science and Engineering   Department of Chemistry and Biochemistry  

  • 2012.04
    -
    2016.03

    Waseda University   School of Advanced Science and Engineering   Department of Chemistry and Biochemistry  

Professional Memberships

  • 2020.09
    -
    Now

    分子科学会

  • 2019.06
    -
    Now

    理論化学会

  • 2018.08
    -
    Now

    有機合成化学協会

  • 2015.11
    -
    Now

    日本化学会

Research Areas

  • Computational science / Fundamental physical chemistry

Research Interests

  • Machine Learning

  • Cheminformatics

  • Computational Chemistry

  • Theoretical Chemistry

Awards

  • 博士学位賞

    2020.03   早稲田大学大学院先進理工学研究科  

  • ポスター賞

    2018.10   第41回ケモインフォマティクス討論会  

  • 優秀ポスター発表賞

    2016.12   第6回CSJ化学フェスタ2016  

  • 最優秀講演賞（学生）

    2016.09   第39回ケモインフォマティクス討論会  

  • 卒業研究発表賞

    2016.03   早稲田大学先進理工学部化学・生命化学科  

  • 優秀賞

    2006.10   第50回日本学生科学賞東京都大会  

▼display all

 

Papers

  • Application and integration of computer vision technologies for automated recognition and recording of chemical experiments

    Ryosuke Sasaki, Mikito Fujinami, Hiromi Nakai

    Bulletin of the Chemical Society of Japan   97 ( 11 )  2024.10  [Refereed]

    　View Summary

    Abstract

    Advancements in computer vision have significantly improved motion and object recognition accuracy. These advancements should aid the automatic recognition of chemical experiments, potentially contributing to the recording of experiments. Creating an electronic laboratory notebook from experiment filming enhances convenience and allows more detailed information storage compared to traditional manual recording methods. Our previous research focused on employing object detection and action recognition to automate the recognition of chemical experiments. This paper presents a novel system that combines object detection, action recognition, multiple object tracking, and barcode recognition to automatically generate experimental flowcharts. We implemented our system as a graphical user interface-based application for laboratory use that successfully constructs flowcharts from videos of chemical experiments, including simple chemical manipulations.

    DOI

    Scopus

  • Comprehensive image dataset for enhancing object detection in chemical experiments

    Ryosuke Sasaki, Mikito Fujinami, Hiromi Nakai

    Data in Brief    2024.02  [Refereed]

    DOI

    Scopus

    5
    Citation
    (Scopus)

  • Application of object detection and action recognition toward automated recognition of chemical experiments

    Ryosuke Sasaki, Mikito Fujinami, Hiromi Nakai

    Digital Discovery    2024  [Refereed]

    　View Summary

    Deep learning-based computer vision techniques enable object detection of chemical apparatus in images and action recognition of chemical experiment manipulations in videos.

    DOI

    Scopus

    2
    Citation
    (Scopus)

  • Theoretical Study on the Relationship between Circular Dichroism and Circularly Polarized Luminescence in Oxaza[7]dehydrohelicene Derivatives

    Masaya FUJIWARA, Mikito FUJINAMI, Mohamed S. H. SALEM, Shinobu TAKIZAWA, Hiromi NAKAI

    Journal of Computer Chemistry, Japan    2024  [Refereed]

    DOI

  • Construction of Image Datasets for Chemical Experiments and Numerical Assessment of Object Detection Methods

    Ryosuke SASAKI, Mikito FUJINAMI, Hiromi NAKAI

    Journal of Computer Chemistry, Japan    2022  [Refereed]

    DOI

  • Solvent Selection Scheme Using Machine Learning Based on Physicochemical Description of Solvent Molecules: Application to Cyclic Organometallic Reaction

    Mikito Fujinami, Hiroki Maekawara, Ryota Isshiki, Junji Seino, Junichiro Yamaguchi, Hiromi Nakai

    Bulletin of the Chemical Society of Japan   93 ( 7 ) 841 - 845  2020.07  [Refereed]

    　View Summary

    A solvent selection scheme for optimization of reactions is proposed using machine learning, based on the numerical descriptions of solvent molecules. Twenty-eight key solvents were represented using 17 physicochemical descriptors. Clustering analysis results implied that the descriptor represents the chemical characteristics of the solvent molecules. During the assessment of an organometallic reaction system, the regression analysis indicated that learning even a small number of experimental results can be useful for identifying solvents that will produce high experimental yields. Observation of the regression coefficients, and both clustering and regression analysis, can be effective when selecting a solvent to be used for an experiment.

    DOI

    Scopus

    7
    Citation
    (Scopus)

  • Orbital-free density functional theory calculation applying semi-local machine-learned kinetic energy density functional and kinetic potential

    Mikito Fujinami, Ryo Kageyama, Junji Seino, Yasuhiro Ikabata, Hiromi Nakai

    Chemical Physics Letters   748   137358 - 137358  2020.06  [Refereed]

    DOI

    Scopus

    39
    Citation
    (Scopus)

  • Quantum Chemical Reaction Prediction Method Based on Machine Learning

    Mikito Fujinami, Junji Seino, Hiromi Nakai

    Bulletin of the Chemical Society of Japan   93 ( 5 ) 685 - 693  2020.05  [Refereed]

    DOI

  • Semi-local machine-learned kinetic energy density functional demonstrating smooth potential energy curves

    Junji Seino, Ryo Kageyama, Mikito Fujinami, Yasuhiro Ikabata, Hiromi Nakai

    Chemical Physics Letters   734   136732 - 136732  2019.11  [Refereed]

    DOI

    Scopus

    36
    Citation
    (Scopus)

  • Virtual Reaction Condition Optimization based on Machine Learning for a Small Number of Experiments in High-dimensional Continuous and Discrete Variables

    Mikito Fujinami, Junji Seino, Takumi Nukazawa, Shintaro Ishida, Takeaki Iwamoto, Hiromi Nakai

    Chemistry Letters   48 ( 8 ) 961 - 964  2019.08  [Refereed]

    　View Summary

    © 2019 The Chemical Society of Japan. We examined a virtual simulation scheme for reaction condition optimization using machine learning for a small number of experiments with nine reaction conditions, consisting of five continuous and four discrete variables. Simulations were performed for predicting product yields in a synthetic reaction of tetrasilabicyclo[1.1.0]but-1(3)-ene (SiBBE). The performances in terms of accuracy and efficiency in the simulations and the chemical implications of the results were discussed.

    DOI

    Scopus

    12
    Citation
    (Scopus)

  • Semi-local machine-learned kinetic energy density functional with third-order gradients of electron density

    Junji Seino, Ryo Kageyama, Mikito Fujinami, Yasuhiro Ikabata, Hiromi Nakai

    The Journal of Chemical Physics   148 ( 24 ) 241705 - 241705  2018.06  [Refereed]

    DOI

    Scopus

    69
    Citation
    (Scopus)

  • Development of Reaction Prediction Scheme Based on Machine Learning with Quantum Chemical Descriptors

    Mikito FUJINAMI, Junji SEINO, Hiromi NAKAI

    Journal of Computer Chemistry, Japan   15 ( 3 ) 63 - 65  2016  [Refereed]

    DOI

▼display all

Books and Other Publications

  • マテリアルズインフォマティクスのためのデータ作成とその解析、応用事例

    技術情報協会(第９章 第４節 機械学習と電子状態情報を用いた反応予測)

    技術情報協会  2021.07 ISBN: 9784861048548

  • フロー合成、連続生産のプロセス設計、条件設定と応用事例

    技術情報協会(第５章 第３節 機械学習と物理化学量を用いた化学反応予測, 反応条件最適化, 溶媒選択)

    技術情報協会  2020.12 ISBN: 9784861048203

  • マテリアルズ・インフォマティクスによる材料開発と活用集

    技術情報協会(第８章 人工知能を用いた化学反応の予測と反応条件の最適化)

    技術情報協会  2019.01 ISBN: 9784861047329

Presentations

  • 密度汎関数強束縛法を用いた色素増感太陽電池用有機色素のハイスループットスクリーニング

    藤波美起登, 清水伊織, Feng Wang, 中井浩巳

    第18回分子科学討論会 

    Presentation date： 2024.09

  • 高い円偏光発光特性を有するoxaza[7]dehydrohelicene誘導体の機械学習を用いた探索(2)：S1安定構造の計算と学習に基づく探索

    藤波美起登, 藤原正也, Mohamed S. H. Salem, 滝澤忍, 中井浩巳

    日本コンピュータ化学会2024年春季年会 

    Presentation date： 2024.06

  • 量子化学計算と機械学習を用いたhelicene類似円偏光発光分子の探索

    藤波美起登, 藤原正也, Mohamed S. H. Salem, 滝澤忍, 中井浩巳

    第26回理論化学討論会 

    Presentation date： 2024.05

  • Machine learning-assisted screening of organic molecules with high circular polarized luminescence property

    Mikito Fujinami, Masaya Fujiwara, Mohamed S, H. Salem, Shinobu Takizawa, Hiromi Nakai

    International Joint Symposium 2023 on Synthetic Organic Chemistry ~ISDigiTOS-2, ICAMS-3, & CREST-OS-FRIR~ 

    Presentation date： 2023.12

  • 汎用原子レベルシミュレータMatlantisのフラグメント分子軌道法への適用

    大島 玲生, 髙島 千波, 藤波 美起登, 小野 純一, 中嶋 裕也, 中井 浩巳

    2023年日本コンピュータ化学会秋季年会 

    Presentation date： 2023.11

  • セルロースモデル化合物分解反応の量子分子動力学シミュレーション

    藤澤遼, 藤波美起登, 小野純一, 中井浩巳

    2023年日本コンピュータ化学会秋季年会 

    Presentation date： 2023.11

  • 高い円偏光発光特性を有するOxaza[7]dehydrohelicene誘導体の機械学習を用いた探索

    藤原正也, 藤波美起登, Mohamed S, H. Salem, 滝澤忍, 中井浩巳

    2023年日本コンピュータ化学会秋季年会 

    Presentation date： 2023.11

  • 画像認識技術を用いた電子実験ノート自動作成アプリケーションの開発

    佐々木良輔, 藤波美起登, 中井浩巳

    第46回ケモインフォマティクス討論会 

    Presentation date： 2023.11

  • 機械学習を用いた反応条件最適化、分子設計、化学実験の画像認識

    藤波美起登  [Invited]

    2023触媒学会北海道支部札幌講演会 

    Presentation date： 2023.11

  • 機械学習型電子相関モデルの第4周期元素への拡張

    藤澤遼, 藤波美起登, 中井浩巳

    第17回分子科学討論会 

    Presentation date： 2023.09

  • Utilization of image recognition for chemical experiments toward development of automated electronic laboratory notebook

    Ryosuke Sasaki, Mikito Fujinami, Hiromi Nakai

    Theory and Applications of Computational Chemistry (TACC2023) 

    Presentation date： 2023.09

  • Development of machine-learned electron correlation model including the fourth-row elements

    Ryo Fujisawa, Mikito Fujinami, Hiromi Nakai

    Theory and Applications of Computational Chemistry (TACC2023) 

    Presentation date： 2023.09

  • Application of image recognition methods for chemical experiment images and videos

    Ryosuke Sasaki, Mikito Fujinami, Hiromi Nakai

    Asia Pacific Conference of Theoretical and Computational Chemistry (APATCC-10) 

    Presentation date： 2023.02

  • Applicability domain for machine-learned electron correlation model

    Ryo Fujisawa, Mikito Fujinami, Junji Seino, Yasuhiro Ikabata, Hiromi Nakai

    Asia Pacific Conference of Theoretical and Computational Chemistry (APATCC-10) 

    Presentation date： 2023.02

  • 汎用原子レベルシミュレータMatlantisと波動関数理論および密度汎関数理論による分子物性の比較検証

    大島玲生, 高島千波, 藤波美起登, 中嶋裕也, 中井浩巳

    日本コンピュータ化学会2022年秋季年会 

    Presentation date： 2022.11

  • 時間依存密度汎関数強束縛法と機械学習を用いた色素増感太陽電池のための色素分子の探索

    藤波美起登, 清水伊織, Feng Wang

    第45回ケモインフォマティクス討論会 

    Presentation date： 2022.11

  • 物体検出と行動認識を用いた化学実験の画像認識に関する数値検証

    佐々木良輔, 藤波美起登, 中井浩巳

    第45回ケモインフォマティクス討論会 

    Presentation date： 2022.11

  • 化学実験画像データセットの作成と物体検出の数値検証

    佐々木良輔, 藤波美起登, 中井浩巳

    日本コンピュータ化学会2022年春季年会 

    Presentation date： 2022.06

  • 機械学習型電子相関モデルの開殻系への拡張

    藤澤遼, 藤波美起登, 清野淳司, 中井浩巳

    第24回理論化学討論会 

    Presentation date： 2022.05

  • Assessment and improvement of machine-learned electron correlation model based on applicability domain determination

    Ryo Fujisawa, Yasuhiro Ikabata, Mikito Fujinami, Junji Seino, Hiromi Nakai

    5th China-Japan-Korea Workshop on Theoretical & Computational Chemistry (CJK-WTCC-V) 

    Presentation date： 2022.01

  • 機械学習の基礎と実践のためのヒント

    藤波美起登  [Invited]

    第11回量子化学スクール 

    Presentation date： 2021.12

  • AI-assisted orbital-free density functional theory calculation”, Pacifichem2020

    Junji Seino, Mikito Fujinami, Yasuhiro Ikabata, Hiromi Nakai  [Invited]

    Pacifichem2020 

    Presentation date： 2021.12

  • k最近傍法とアンサンブル学習を用いた機械学習型電子相関モデルの適用領域判定手法

    藤澤遼, 五十幡康弘, 藤波美起登, 清野淳司, 中井浩巳

    第23回理論化学討論会 

    Presentation date： 2021.05

  • CO2化学吸収法に対するアミン混合溶液の理論設計

    清水伊織, 長門澄香, 藤波美起登, 中井浩巳

    日本化学会第101春季年会 

    Presentation date： 2021.03

  • 運動エネルギー汎関数の開発、反応予測、反応条件最適化に対する量子化学計算と機械学習の応用

    藤波美起登  [Invited]

    計算科学研究センター・ナノテクノロジープラットフォーム事業合同ワークショップ 

    Presentation date： 2021.01

  • Semi-local machine-learned kinetic energy density functional for orbital-free density functional theory

    Junji Seino, Ryo Kageyama, Mikito Fujinami, Yasuhiro Ikabata, Hiromi Nakai

    The Ninth Conference of the Asia-Pacific Association of Theoretical and Computational Chemists (APATCC2019) 

    Presentation date： 2019.09

  • Machine learning study for optimization of reaction conditions including discrete variables with small number of experiments

    Mikito Fujinami, Junji Seino, Hiromi Nakai

    The Ninth Conference of the Asia-Pacific Association of Theoretical and Computational Chemists (APATCC2019) 

    Presentation date： 2019.09

  • Orbital-free density functional theory calculation combined with semi-local machine-learned kinetic energy density functional

    Junji Seino, Ryo Kageyama, Mikito Fujinami, Yasuhiro Ikabata, Hiromi Nakai  [Invited]

    2nd Global Forum on Advanced Materials and Technologies for Sustainable Development (GFMAT-2) 

    Presentation date： 2019.07

  • 機械学習型半局所的運動エネルギー汎関数に基づくorbital-free密度汎関数理論の開発

    清野淳司, 影山椋, 藤波美起登, 五十幡康弘, 中井浩巳

    第22回理論化学討論会 

    Presentation date： 2019.05

  • 機械学習を用いた有機反応における最適溶媒選択手法の開発

    前川原大貴, 藤波美起登, 清野淳司, 一色遼大, 山口潤一郎, 中井浩巳

    日本化学会第99春季年会 

    Presentation date： 2019.03

  • Post-Hartree-Fock相関エネルギー密度の機械学習による相関エネルギー計算手法の開発

    五十幡康弘, 橳嶋拓朗, 清野淳司, 影山椋, 藤波美起登, 中井浩巳

    ポスト京重点課題 第5回公開シンポジウム 

    Presentation date： 2018.12

  • インフォマティクスを利用した軌道非依存密度汎関数理論計算手法の開発

    清野淳司, 影山椋, 藤波美起登, 五十幡康弘, 中井浩巳

    ポスト京重点課題 第5回公開シンポジウム 

    Presentation date： 2018.12

  • 機械学習を用いた化学反応の予測と反応条件の最適化

    藤波美起登, 前川原大貴, 清野淳司, 中井浩巳

    ポスト京重点課題 第5回公開シンポジウム 

    Presentation date： 2018.12

  • 機械学習を用いたOrbital-free密度汎関数理論計算手法の開発

    影山椋, 清野淳司, 藤波美起登, 五十幡康弘, 中井浩巳

    第41回ケモインフォマティクス討論会 

    Presentation date： 2018.10

  • 有機反応における高い収率を与える溶媒のデータ科学的探索

    前川原大貴, 藤波美起登, 清野淳司, 一色遼大, 山口潤一郎, 中井浩巳

    第41回ケモインフォマティクス討論会 

    Presentation date： 2018.10

  • 反応予測に寄与する量子化学的記述子の解析

    藤波美起登, 清野淳司, 中井浩巳

    第41回ケモインフォマティクス討論会 

    Presentation date： 2018.10

  • 機械学習を用いた交換相関汎関数の開発

    橳嶋拓朗, 五十幡康弘, 清野淳司, 影山椋, 藤波美起登, 中井浩巳

    第12回分子科学討論会 

    Presentation date： 2018.09

  • 機械学習による電子密度最適化のための運動ポテンシャル汎関数の開発

    影山椋, 清野淳司, 藤波美起登, 五十幡康弘, 中井浩巳

    第12回分子科学討論会 

    Presentation date： 2018.09

  • 機械学習による半局所運動エネルギー密度汎関数の開発：計算精度の記述子依存性

    清野淳司, 影山椋, 藤波美起登, 五十幡康弘, 中井浩巳

    第21回理論化学討論会 

    Presentation date： 2018.05

  • 機械学習を用いた反応条件最適化シミュレータの開発

    藤波美起登, 清野淳司, 中井浩巳

    第21回理論化学討論会 

    Presentation date： 2018.05

  • Machine Learned Reaction-Prediction System Based on Quantum Chemical Descriptors

    Mikito Fujinami, Junji Seino, Hiromi Nakai

    The Eighth Asia Pacific Conference in Theoretical and Computational Chemistry (APCTCC8) 

    Presentation date： 2017.12

  • Chemical Reaction Prediction and Analysis Based on Informatics with Quantum Chemical Descriptors

    Mikito Fujinami, Junji Seino, Hiromi Nakai

    International Symposium “Theoretical Design of Materials with Innovative Functions Based on Element Strategy and Relativistic Electronic Theory” 

    Presentation date： 2017.12

  • 量子化学計算とインフォマティクスを用いた化学反応の予測と解析

    藤波美起登

    第4回電子状態理論シンポジウム 

    Presentation date： 2017.11

  • Orbital-free密度汎関数理論のための機械学習を用いた運動エネルギー汎関数の開発

    影山椋, 藤波美起登, 清野淳司, 五十幡康弘, 中井浩巳

    第7回CSJ化学フェスタ2017 

    Presentation date： 2017.10

  • ELNに蓄積した反応データと機械学習を用いた反応設計AI構築の可能性

    藤波美起登  [Invited]

    第9回ELN研究会 

    Presentation date： 2017.09

  • Reaction-prediction scheme based on quantum chemical information and machine learning

    Mikito Fujinami, Junji Seino, Hiromi Nakai

    11th Triennial Congress of the World Association of Theoretical and Computational Chemists (WATOC 2017) 

    Presentation date： 2017.08

  • 軌道非依存密度汎関数理論のための運動エネルギー汎関数の開発

    影山椋, 藤波美起登, 清野淳司, 五十幡康弘, 中井浩巳

    日本コンピュータ化学会2017春季年会 

    Presentation date： 2017.06

  • インフォマティクスを用いた運動エネルギー汎関数の開発

    影山椋, 藤波美起登, 清野淳司, 五十幡康弘, 中井浩巳

    第20回理論化学討論会 

    Presentation date： 2017.05

  • 機械学習による運動エネルギー汎関数の開発

    影山椋, 藤波美起登, 清野淳司, 中井浩巳

    日本化学会第97春季年会 

    Presentation date： 2017.03

  • 量子化学計算と機械学習を用いた反応予測システムの開発(2):量子化学計算条件に対する依存性

    藤波美起登, 清野淳司, 中井浩巳

    第6回CSJ化学フェスタ2016 

    Presentation date： 2016.11

  • 量子化学計算とインフォマティクス技術を用いた反応予測システムの開発

    藤波美起登, 清野淳司, 中井浩巳

    第39回ケモインフォマティクス討論会 

    Presentation date： 2016.09

  • 量子化学計算情報を記述子とした機械学習に基づく反応予測手法の開発

    藤波美起登, 清野淳司, 中井浩巳

    日本コンピュータ化学会2016春季年会 

    Presentation date： 2016.06

  • 量子化学計算と機械学習を用いた化学反応予測システムの開発

    藤波美起登, 清野淳司, 中井浩巳

    第19回理論化学討論会 

    Presentation date： 2016.05

  • 量子化学計算と機械学習を利用した有機化学反応予測手法の開発

    藤波美起登, 清野淳司, 中井浩巳

    日本化学会第96春季年会 

    Presentation date： 2016.03

▼display all

Research Projects

  • 有機金属反応のためのインタラクティブな反応設計システムの開発

    日本学術振興会  科学研究費助成事業

    Project Year :

    2024.04
    -
    2026.03
     

    藤波 美起登

  • 有機金属錯体触媒に対する量子化学計算データベースの構築と物理化学的記述子の探索

    日本学術振興会  科学研究費助成事業

    Project Year :

    2022.06
    -
    2024.03
     

    藤波 美起登

    　View Summary

    本研究は、有機合成において重要な役割を果たす有機金属錯体触媒に着目し、有機金属錯体を構成する中心金属、配位子、基質について、錯体の物性、反応性に関係する物理化学的記述子を量子化学計算と機械学習を活用して探索する。これによって、錯体の部分構造に対する連続値による表現方法を見出すことが目的である。これは、所望の反応を実現する配位子や基質の最適化を計算機により支援する方法の開発へと発展が期待される。2022年度は錯体の量子化学計算データベースの構築を順次進めるとともに、データ解析、機械学習手法の基礎部分を実装しその有効性を評価した。
    これまでに、種々の中心金属と配位子の組み合わせによる有機金属錯体構造に関する量子化学計算データベースの構築を進めてきた。機械学習を用いたデータ解析および機械学習が獲得した関数を解釈する技術を実装した。反応性を議論する際に重要となる金属錯体の安定性をテストケースとして解析手法の妥当性を評価した。量子化学計算に依らない情報に基づく記述子、量子化学計算から得られる情報に基づく量子化学的記述子、それぞれを適用した場合の錯体の安定性の予測精度を比較した。量子化学的記述子を適用することでその予測精度が大幅に改善することを確認した。また、データ解析を通して、化学の観点からも妥当な記述子が有効に寄与していることが見出された。
    また、申請時点では未定だった計画として、反応条件最適化および分子設計に関連して、領域内で実験研究者との共同研究を年度の後半より複数開始した。予備的な検討を通じて、実際の反応条件最適化や所望の物性を有する分子の設計に向けた技術開発を進めている。

  • Development of Molecular Structure Search Method and Automated Parameter Construction Scheme Based on Machine Learning

    Japan Society for the Promotion of Science  Grants-in-Aid for Scientific Research

    Project Year :

    2020.09
    -
    2022.03
     

    Fujinami Mikito

    　View Summary

    In computational chemistry, the fast prediction of atom forces in molecules is essential in the rapid exploration of molecular structures, including chemical reactions. This study aimed to develop a fast prediction method of atom forces using machine learning. In this study, a database of atom forces related to geometry optimization of organic molecules and chemical reactions of the organometallic complex was constructed. The prediction accuracy was assessed by applying various machine learning methods. The knowledge about databases, descriptors, and machine learning methods for predicting atom forces was obtained. The constructed database contains information about a large number of non-equilibrium molecular structures. It is usable for a wide range of computational chemistry research.

  • 量子化学計算と機械学習を用いた均一系有機金属錯体反応の予測と反応支配因子の可視化

    日本学術振興会  科学研究費助成事業

    Project Year :

    2018.04
    -
    2020.03
     

    藤波 美起登

    　View Summary

    本研究では、均一系金属錯体反応について、与えられた反応物から得られる生成物を予測する反応予測手法の開発およびその反応支配因子の可視化を行う。さらに、実際に実験を行う際に大きな課題となる実験条件の最適化について、適当な条件を数理的に推薦する手法を開発する。本年度は反応予測手法の改善と実験条件推薦手法のうち、溶媒選択手法の開発に取り組んだ。
    量子化学的記述子を用いた反応予測手法の改善では、これまで用いた機械学習手法に代わり、近年インフォマティクス研究で高い性能を発揮している勾配ブースティング決定木を用いた。量子化学計算から得られる分子の記述子を用いた有機化学反応の予測に応用し、予測精度の改善を確認した。また、反応予測に寄与した量子化学的記述子を可視化し、理論化学の知見から考察しても妥当な根拠に基づいて反応予測が実行されていることが示された。
    溶媒選択手法の開発では、溶媒の物理化学的な物性値を記述子とし、これを機械学習に適用した。実験研究室との共同研究で、均一系金属錯体触媒反応における溶媒選択を例とした評価を行った。溶媒のライブラリをクラスタリングにより分類することで最初に実験すべき溶媒を提案した。またこれらの溶媒の収率を機械学習に適用し、他の実験を行っていない溶媒に対する収率を予測した。その結果、開発した手法による予測収率は定性的に実験収率を再現した。
    本年度は採用期間最終年度のため、量子化学的記述子を用いた反応予測とその反応支配因子の可視化、離散条件を含む多次元の反応条件最適化、溶媒の物理化学的表現に基づく溶媒選択手法の開発、それぞれの研究成果を査読付き原著論文として出版した。また国際会議においても研究成果を発表した。

Misc

  • Pythonで学ぶ機械学習(12) ベイズ最適化

    藤波美起登

    現代化学   ( 636 ) 28 - 32  2024.03

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • Pythonで学ぶ機械学習(11) 分子物性の予測

    藤波美起登

    現代化学   ( 635 ) 22 - 27  2024.02

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • Pythonで学ぶ機械学習(10) 化学データベースの活用

    藤波美起登

    現代化学   ( 634 ) 43 - 47  2024.01

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • Pythonで学ぶ機械学習(9) 分子の表現と記述子

    藤波美起登

    現代化学   ( 633 ) 48 - 53  2023.12

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • Pythonで学ぶ機械学習(8) 学習の評価とチューニング

    藤波美起登

    現代化学   ( 632 ) 45 - 50  2023.11

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • Pythonで学ぶ機械学習(7) 機械学習の動作原理

    藤波美起登

    現代化学   ( 631 ) 34 - 39  2023.10

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • Pythonで学ぶ機械学習(6) Pythonによる機械学習の実装-教師なし学習

    藤波美起登

    現代化学   ( 630 ) 55 - 60  2023.09

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • Pythonで学ぶ機械学習(5) Pythonによる機械学習の実装-識別

    藤波美起登

    現代化学   ( 629 ) 56 - 61  2023.08

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • Pythonで学ぶ機械学習(4) Pythonによる機械学習の実装-回帰

    藤波美起登

    現代化学   ( 628 ) 47 - 53  2023.07

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • Pythonで学ぶ機械学習(3) Pythonプログラミングの基礎2

    Pythonで学ぶ機, Pythonプログラミングの基礎

    藤波美起登   ( 627 ) 34 - 39  2023.06

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • Pythonで学ぶ機械学習(2) Pythonプログラミングの基礎1

    藤波美起登

    現代化学   ( 626 ) 59 - 63  2023.05

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • Pythonで学ぶ機械学習(1) 機械学習とプログラミングへの招待

    藤波美起登

    現代化学   ( 625 ) 29 - 32  2023.04

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • 機械学習が理論化学・計算化学に与えるインパクト

    藤波美起登, 中井浩巳

    現代化学   ( 615 ) 56 - 57  2022.06

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • 機械学習の基礎と実践の手引き

    藤波美起登

    フロンティア   4 ( 2 ) 107 - 116  2022  [Refereed]

    Article, review, commentary, editorial, etc. (other)  

  • 機械学習を用いた実験条件最適化と離散量を含む多次元条件最適化への応用

    藤波美起登, 中井浩巳

    CICSJ Bulletin   38 ( 1 ) 40 - 43  2020  [Refereed]

    Article, review, commentary, editorial, etc. (other)  

    DOI

  • 量子化学的記述子を用いた反応予測手法の開発と予測に寄与する記述子の解析

    藤波美起登, 清野淳司, 中井浩巳

    化学工業   70 ( 12 ) 31 - 37  2019.12

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

  • 理論化学とインフォマティクスの融合による反応設計

    藤波美起登, 清野淳司, 中井浩巳

    化学と工業   71 ( 8 ) 653 - 655  2018.08  [Refereed]

    Article, review, commentary, editorial, etc. (other)  

  • 人工知能を用いた化学反応の予測 : 新材料開発のスピードアップに向けて

    藤波美起登, 清野淳司, 中井浩巳

    MATERIAL STAGE   16 ( 11 ) 70 - 75  2017.02

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

    CiNii

  • インフォマティクスによる反応の設計と予測 -コンピュータを用いた化学反応の予言を目指して

    藤波美起登, 清野淳司, 中井浩巳

    化学   71 ( 11 ) 68 - 69  2016.11

    Article, review, commentary, editorial, etc. (trade magazine, newspaper, online media)  

▼display all

 

Teaching Experience

  • 情報処理２

    明治大学  

    2021.04
    -
    Now
     

 

Internal Special Research Projects

  • 化学実験画像の物体検出のためのデータセットの構築

    2022   中井 浩巳

    　View Summary

        In this research, we aim to develop a system that automatically recognizes videos of chemical experiments using image recognition technology. The system is expected to be applied to create electronic laboratory notebooks and to warn against dangerous actions automatically. Image recognition using machine learning requires a dataset with coordinates and names of objects in images. We have constructed a dataset of about 2300 images and 5000 objects. However, further expansion of the dataset is necessary to improve the prediction accuracy. In this project, we expanded the chemical experiment image data set. Documentation was prepared so that anyone could create a dataset. The dataset was expanded with the research assistants' cooperation. We extended the dataset to about 5000 images and 16000 objects. The prediction accuracy of test data was evaluated. Mean Average Precision (mAP) was used as an evaluation index. The mAP takes values in the range from 0 to 1, and the closer to 1, the higher the prediction performance. Learning on the expanded dataset improved mAP to above 0.8. This study was reported in two conference presentations, including an international conference.