◎　「少ないデータ」「不均一なデータ」から、化学物質の
　　未知の領域をいかに予測するか？
◎　どんなデータが必要か？ 解析手法の応用事例は？ 予測
　　精度はどの程度になるか？



■　本書のポイント 
≪１≫ 化学構造の表現・数値化と記述子の設計法
　　 ―最新の分子記述子、その種類と活用法

≪２≫ データ収集・データベース構築での留意点
　　 ―解析の精度向上やデータ取得コストに留意したデータ
　　 収集、実験回数最適化

≪３≫ データセットの作成と各種解析手法の活用事例
　　　―データ可視化・低次元化、 クラスタリング、クラス
　　　　分類、線形回帰
　　　―非線形データ解析・モデリング、ハイパーパラメータ
　　　　最適化
　　　―スパースモデリング、ベイズ最適化、少ないデータ対
　　　　策

≪４≫ 機械学習の具体的活用とその事例
　　　―転移学習の活用事例、過学習に留意した最適なモデル
　　　　構築
　　　―説明可能AI、Python、KNIME、量子コンピュータの活用

≪５≫ 合成経路探索・反応条件の最適化
　　　―AIによる合成条件推薦システム、逆合成解析、触媒選択、
　　　　フロー合成の条件最適化、物質合成パラメータの最適化

≪６≫ 化学物質・材料設計や医薬品開発への活用
　　　―化学物質・材料設計分野：
　　　　スパースモデリングによる特徴量エンジニアリング、
　　　　ベイズ最適化によるポリマー設計、ハイスループット
　　　　材料合成
　　　―医薬品開発分野：　
　　　　創薬リード探索への活用、化学構造の生成、タンパク質
　　　　の配列設計、代謝物構造推定、 メタボロームDB、安全
　　　　性情報DB活用

≪７≫ 化学物質の毒性評価
　　　―オープンデータベースの活用、ＱＳＡＲ解析

≪８≫ 分析インフォマティクスとの連携・活用
　　　―HPLC分析メソッド開発、NMR化学シフト予測の高精度化、
　　　　TOF-SIMS解析