2パーセントの割引でUSD 21.80 税込
紙の本の価格： USD 22.25
獲得予定ポイント: +104 pt (3%)
期間限定ポイント
詳細はこちら
ご請求額:JPY 3,450

ご購入時にプロモーションが適用されます

これらのプロモーションはこの商品に適用されます:

一部のプロモーションは他のセールと組み合わせることができますが、それ以外のプロモーションは組み合わせることはできません。詳細については、これらのプロモーションに関連する規約をご覧ください。

を購読しました。 続刊の配信が可能になってから24時間以内に予約注文します。最新刊がリリースされると、予約注文期間中に利用可能な最低価格がデフォルトで設定している支払い方法に請求されます。
「メンバーシップおよび購読」で、支払い方法や端末の更新、続刊のスキップやキャンセルができます。
次に追加されました:

申し訳ありません。問題が発生しました。

ウィッシュリストの取得中にエラーが発生しました。もう一度やり直してください。

申し訳ありません。問題が発生しました。

リストを利用できません。
Kindleアプリのロゴ画像

無料のKindleアプリをダウンロードして、スマートフォン、タブレット、またはコンピューターで今すぐKindle本を読むことができます。Kindleデバイスは必要ありません。

ウェブ版Kindleなら、お使いのブラウザですぐにお読みいただけます。

携帯電話のカメラを使用する - 以下のコードをスキャンし、Kindleアプリをダウンロードしてください。

KindleアプリをダウンロードするためのQRコード

  • 詳解 マテリアルズインフォマティクス　有機・無機化学のための深層学習

著者をフォローする

新刊とおすすめタイトルの情報を入手
船津 公人
フォロー
井上 貴央
フォロー
何か問題が発生しました。後で再度リクエストしてください。

詳解 マテリアルズインフォマティクス　有機・無機化学のための深層学習

船津 公人 (著), 井上 貴央 (著), 西川 大貴 (著) 形式: Kindle版
5つ星のうち4.1 (33)
化学の研究開発ではマテリアルズインフォマティクス（機械学習・深層学習を用いた新素材探索や新材料設計）の技術が導入され始めています。一方で、有機化学・無機化学のどの領域かによって構造情報の扱いや解析ノウハウが異なり、それぞれの場面で適切な手法が存在するという実情があります。本書では深層学習の基礎事項をはじめ、実際に深層学習を化学研究に利用する上での留意点を詳述するとともに、有機化学・無機化学分野でのデータの具体的な扱い方、さらには様々な深層学習手法とその具体的利用の理解を助けるための応用事例など、注目すべき多数の研究成果を体系的に整理しています。深層学習の初学者および具体的な応用研究を目指す方を対象に、データから様々な可能性を模索できるよう編集された一冊です。
【目次】
第1章　深層学習に必要なデータの準備
1.1　化学データに対する機械学習
1.2　有機化合物データ
1.3　無機化合物データ

第2章　深層学習のクイックレビュー
2.1　ニューラルネットワークの構造
2.2　ニューラルネットワークの訓練と正則化
2.3　深層生成モデル
2.4　その他の深層学習モデル
2.5　強化学習

第3章　有機化合物データを扱う深層学習
3.1　有機化合物データに対する前処理
3.2　少量データセットに対する対策
3.3　物性・活性の予測
3.4　有機反応の予測
3.5　有機分子の構造生成

第4章　無機化合物データを扱う深層学習
4.1　物性の予測
4.2　無機化合物の生成

第5章　有機化合物に対する深層学習の応用例
5.1　医薬品候補化合物の探索
5.2　有機高分子材料の探索
5.3　多成分系の化学物質の物性予測

第6章　深層学習を応用した無機材料の設計
6.1　物性予測モデルによる材料探索
6.2　生成モデルによる材料探索

第7章　化学における深層学習の課題・展望
7.1　利用可能なデータセットに関する問題
7.2　予測の不確実性
7.3　モデルの解釈
7.4　生成モデルの評価
続きを読む
商品の詳細の前のスライド
  1. 言語
    日本語
  2. 出版社
    近代科学社Digital
  3. アクセシビリティ
    詳細はこちら
  4. 発売日
    2021/8/16
  5. ファイルサイズ
    135.0 MB
  6. Page Flip
    有効にされていません
  7. Word Wise
    有効にされていません
  8. タイプセッティングの改善
    有効にされていません
商品の詳細の次のスライド
この本はファイルサイズが大きいため、ダウンロードに時間がかかる場合があります。Kindle端末では、この本を3G接続でダウンロードすることができませんので、Wi-Fiネットワークをご利用ください。

お買い得タイトル

あなたの購入および読書履歴からのおすすめ
セール&キャンペーンページに行く

出版社より

9784764960237
9784764960237
実践 マテリアルズインフォマティクス
Rではじめるケモ・マテリアルズ・インフォマティクスープログラミング・ノックで基礎を完全習得ー
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 (近代科学社DIGITAL)
Pythonではじめるマテリアルズインフォマティクス (近代科学社Digital)
改訂版 Pythonではじめるマテリアルズインフォマティクス: ChatGPTを活用しよう (近代科学社Digital)
価格 USD 24.33 USD 31.98 USD 14.60 USD 20.86 USD 25.03
材料設計に新たな地平を！ 化学×デジタル人材になるための、標準かつ必須教科書！ 様々な事例からマテリアルズインフォマティクスの可能性を学ぶ！！ マテリアルDXを実践するために最適な入門書！ ChatGPTを使ってマテリアルズインフォマティクスを実践しよう！

商品の説明

著者について

船津 公人(ふなつ きみと)
1983年 九州大学大学院理学研究科化学専攻博士課程修了(理学博士)
2021年4月 奈良先端科学技術大学院大学データ駆動型サイエンス創造センター研究ディレクター 特任教授
2021年6月 東京大学名誉教授
学位は有機反応機構研究で取得.専門分野はケモインフォマティクス.1984年からケモインフォマティクスの分野に身を投じでいる.ケモインフォマティクス利用による分子・薬物設計,材料設計(プロセス条件も含む),構造解析,合成経路設計,化学プラントなどを対象とした監視と制御のためのソフトセンサー開発に取り組む.

井上 貴央(いのうえ たかひろ)
2019年 東京大学大学院工学系研究科化学システム工学専攻修士課程修了
現在は同専攻の博士課程に在学中
学部時代は離散数理を専門とする研究室に所属し,化学グラフの数え上げアルゴリズムに関する研究に従事.修士課程では分野をケモインフォマティクスに移し,構造生成器の研究に従事.博士課程から,化学分野を対象とした深層学習,とくに少量の化学データに対する深層学習の研究に従事.

西川 大貴(にしかわ だいき)
2021年 東京大学大学院工学系研究科化学システム工学専攻修士課程修了
学部時代は,ベンチャー企業でのWebアプリケーション開発に関するインターンを通じて,プログラミングのスキルを習得.修士課程では,習得したスキルを生かして,マテリアルズインフォマティクスに関する研究に従事.特に化学分野を対象とした深層学習に精通.現在は,サイボウズ株式会社にて,Webアプリケーション開発に携わる.

登録情報

  • ASIN ‏ : ‎ B09BQ5GF6G
  • 出版社 ‏ : ‎ 近代科学社Digital
  • アクセシビリティ ‏ : ‎ 詳細はこちら
  • 発売日 ‏ : ‎ 2021/8/16
  • 言語 ‏ : ‎ 日本語
  • ファイルサイズ ‏ : ‎ 135.0 MB
  • Text-to-Speech（テキスト読み上げ機能） ‏ : ‎ 有効になっていません。
  • タイプセッティングの改善 ‏ : ‎ 有効にされていません
  • X-Ray ‏ : ‎ 有効にされていません
  • Word Wise ‏ : ‎ 有効にされていません
  • Page Flip ‏ : ‎ 有効にされていません
  • Amazon 売れ筋ランキング: Kindleストア - 355,049位 (Kindleストアの売れ筋ランキングを見る)
  • カスタマーレビュー:
    5つ星のうち4.1 (33)

著者について

著者をフォローして、新作のアップデートや改善されたおすすめを入手してください。
Previous page
  1. 船津 公人

    船津 公人

    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    著者の本をもっと見つけたり、似たような著者を調べたり、おすすめの本を読んだりできます。

    著者ページでもっと見る
  2. 井上 貴央

    井上 貴央

    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    著者の本をもっと見つけたり、似たような著者を調べたり、おすすめの本を読んだりできます。

    著者ページでもっと見る
Next page

関連書籍

ページ 1 / 1はじめに戻る
スポンサー
Previous page
  1. Amazonのストアでお買い物 ›
    世界標準の１on１ 科学的に正しい「対話の技術」のすべて
    世界標準の１on１ 科学的に正しい「対話の技術」のすべて
    4.15つ星のうち4.186
    USD14.60
  2. Amazonのストアでお買い物 ›
    シリコンバレー一流プログラマーが教える Pythonプロフェッショナル大全
    シリコンバレー一流プログラマーが教える Pythonプロフェッショナル大全
    4.25つ星のうち4.2392
    USD18.08
  3. Amazonのストアでお買い物 ›
    Ｑ＆Ａ　マイクロモビリティによる交通事故の責任・保険・過失相殺－電動キックボード・電動立ち乗り二輪ボード・モペット－
    Ｑ＆Ａ　マイクロモビリティによる交通事故の責任・保険・過失相殺－電動キックボード・電動立ち乗り二輪ボード・モペット－
    5.05つ星のうち5.01
    USD22.94
Next page

カスタマーレビュー

星5つ中4.1つ
33グローバルレーティング

日本からのトップレビュー

  • Ling hua
    星5つ中5つ
    はずれなし
    2021年10月14日に日本でレビュー済み
    フォーマット: ペーパーバック
    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    船津教授のものははずれなし

    3人のユーザーが役に立ったと感じています
    フィードバックを送信中...
    フィードバックをお寄せいただきありがとうございます。
    フィードバックを送信中...
    ありがとうございます。数日中に調査いたします。
  • John
    星5つ中4つ
    確かにプロ向け(特に有機物性予測)
    2021年9月5日に日本でレビュー済み
    フォーマット: ペーパーバック
    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    データセットの割と詳細なレビューから始まり、昨今のDNNを簡潔にまとめた章がある。

    これだけでも買う価値がある。

    以降の章で有機系の物性予測(これが一番多い)、反応予測、無機系とある。

    私は有機物性をやっていたので大変興味深く読めた。

    しかし、文献の紹介とその文献の著者の主張が載っている印象で筆者らはどの構成のDNNがベターかは調べきれていない様子である。（無論それをやると相当な手間になるのは承知している）

    有機系の反応予測に関しては、順反応(AとBを混ぜてCができる)の研究は比較的盛んだと私自身も理解しているが、その逆(Cを作るにはどうするか)の研究例は少なく、本書でも反応の研究例の紹介ページはかなり少ない。

    また、無機やポリマーも文献提示が少ない印象なのでハマる人とそうでない人に分かれそうな印象を受けた。

    11人のユーザーが役に立ったと感じています
    フィードバックを送信中...
    フィードバックをお寄せいただきありがとうございます。
    フィードバックを送信中...
    ありがとうございます。数日中に調査いたします。
  • アマゾンカスタマー
    星5つ中5つ
    長く使える本格的良書
    2021年8月24日に日本でレビュー済み
    フォーマット: ペーパーバック
    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    深層学習だけの解説書はたくさんあっても、化学にフォーカスした解説書は皆無に等しい。深層学習自体の解説や実装法についてはその手の本が多くあるのでそちらで十分だと思うが、この本は有機化学、無機化学での利用法の最新情報を体系的に紹介し、しかも事例などの章も設けている。最近解説はお手軽でそこそこの入門書ばかりが目についていました。とにかく深層学習を使って何でもよいから早く結果を得たいと考えている人には、この本は敷居が高いかもしれないが、しっかりと理解しながら手法とデータの相性などを考えて正しい結果を導くことを考えようとしている者には、この書は長く座右の書として利用できるものとして評価したい。

    5人のユーザーが役に立ったと感じています
    フィードバックを送信中...
    フィードバックをお寄せいただきありがとうございます。
    フィードバックを送信中...
    ありがとうございます。数日中に調査いたします。
  • Amazon カスタマー
    星5つ中1つ
    既にバリバリ使っている人の為の本
    2021年8月19日に日本でレビュー済み
    フォーマット: ペーパーバック
    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    化学構造のグラフ的取り扱いに関してどのような原理でやっているのかを知りたくて買ったのですが、中味を見てみると、近年の論文の網羅的な紹介といった内容。既にマテリアルズインフォマティクスをバリバリ仕事で使っている人にはいいのかもしれませんが、そうでない人間にはまるで3部作構成の書籍でいきなり第3部を見せられた感じで置いてけぼりを喰らいました。マテリアルズインフォマティクスについての本が少ない中でいきなり論文紹介的な本を書かれても、これから関わっていこうという大半の人間には敷居の高さを感じさせてしまうかと思います。こういうのはそれこそ上中下巻とかにして少しずつステップを踏みながらマテリアルズインフォマティクスの世界に誘っていく方が裾野を広げられるのでは？と感じました。

    15人のユーザーが役に立ったと感じています
    フィードバックを送信中...
    フィードバックをお寄せいただきありがとうございます。
    フィードバックを送信中...
    ありがとうございます。数日中に調査いたします。
  • Amazon カスタマー
    星5つ中5つ
    かなり本格的
    2021年8月21日に日本でレビュー済み
    フォーマット: ペーパーバック
    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    データセットの入手や有機無機の特性、目的に合わせた深層学習の手法がかなり詳しくまとめられている。自然言語処理を使う最先端の研究まで網羅されていた。様々な解析事例の紹介なので、機械学習や深層学習の導入はほとんどなく、これから始めるという人にとっては硬派すぎて理解が追いつかないと思うが、ある程度実践している人にとっては重宝するだろう

    5人のユーザーが役に立ったと感じています
    フィードバックを送信中...
    フィードバックをお寄せいただきありがとうございます。
    フィードバックを送信中...
    ありがとうございます。数日中に調査いたします。
  • amazon
    星5つ中4つ
    意外とスラスラ読める良い本
    2022年4月14日に日本でレビュー済み
    フォーマット: Kindle版 (電子書籍)
    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    仕事でMIをやることになったので急遽購入。数式が多く出てくるので私のような初学者にとっては初めはウッとなったが、分かりやすく書かれているため意外とスラスラ読めた。対象が有機材料系の人にとっては非常に良い本である。

    5人のユーザーが役に立ったと感じています
    フィードバックを送信中...
    フィードバックをお寄せいただきありがとうございます。
    フィードバックを送信中...
    ありがとうございます。数日中に調査いたします。
  • 顧客です
    星5つ中5つ
    分析手法について
    2023年5月1日に日本でレビュー済み
    フォーマット: Kindle版 (電子書籍)
    Brief content visible, double tap to read full content.
    Full content visible, double tap to read brief content.

    マテリアルインフォマティクスの、畳み込みアセンブルが、ニューラルネットワークとしてのデータベース化

    と、再帰関数としての、マンデルブロー集合においての、不純物が、誤差関数の物質量、収率が

    Btreeを使う再入力が、ミゼルでのキラルとして、双対性での対称性として、誤差でのノイズが、

    実際に存在している物質の波動として、タンパク質の解析が、マトリックス測定の、

    カタストロフとして、破壊が創造の解析になっていることを、田中耕一先生が見抜いたこと、

    この集大成が、誤差が半導体であり、この誤差を除いたのが、超伝導の素材としてと、材料としての

    結晶になることを、この本で、分かりました。

    7人のユーザーが役に立ったと感じています
    フィードバックを送信中...
    フィードバックをお寄せいただきありがとうございます。
    フィードバックを送信中...
    ありがとうございます。数日中に調査いたします。
レビューをすべて見る

問題を報告


この商品には、不適切な内容が含まれていますか?
報告
この商品は、著作権を侵害していると思いますか?
報告
この商品には、品質または書式設定の問題が含まれていますか?
報告