top of page
富士フイルム和光純薬(株)との試薬データベース連携のお知らせ
富士フイルム和光純薬の試薬データベースとの連携.png

試薬データベースと連携しました

2024年4月18日

データケミカルラボとは

Datachemical LABとは

 Datachemical LAB(データケミカルラボ)は、化学・工学分野で有用なデータ解析・機械学習プログラムを容易な操作で扱うことが出来るSaaS製品です。

 分子・材料設計から製造プロセス設計・管理まで体系化されたプログラムを一つのプラットフォームに完備し、化学・工学の技術者であるお客様は自ら高度なデータ解析・予測モデル構築をプログラミングなしに実行できます。

大小様々な技術開発テーマにて低コスト化・開発スピード向上を実現し、またデータサイエンスによる新たな知見の獲得が期待できます。

こんな課題はありませんか?.png

活用例

無機・有機・高分子材料、食料品等、あらゆる材料種の開発で活用頂けます。

20~30サンプルの実験データから目標性能を出す可能性の高い実験条件を予測する。

実験条件候補を数万単位で自動生成し、その中から最初に実験すべき条件を統計的に選定する。

化学構造を数値化して学習し、目標物性に到達する未知の化学構造を推定する。

製造過程でプラントのセンサーデータからリアルタイムでの測定が難しい因子を随時推定しながら運転管理を行う。

24896775_m.jpg

活用領域

ケモインフォマティクス

ケモインフォマティクス
​(分子設計)

化学構造を数値化して物性・活性との間で機械学習を行い、合成前の化学構造から物性・活性や化学反応を予測するモデルを構築します。また目標の物性・活性を達成する化学構造やその反応経路を推定できます。

実験室実験

マテリアルズインフォマティクス
​(材料設計)

実験データを学習し、未知の実験・製造条件から材料の物性・活性を予測するモデルを構築します。また原料の化合物から目標とする材料を得るための実験・製造条件を推定できます。

化学プラント

プロセスインフォマティクス
​(プロセス設計・管理)

プロセスデータを用いて目標の材料を合成するための装置やプロセスを設計します。また、プラントのセンサーデータからリアルタイムでの測定が難しい因子を随時推定するソフトセンサーと呼ばれるシステムや、プラントの状態異常を検知するモデルを構築し、実運用できます。

機能ご紹介

データアクセス

表データ(CSV形式。数値と文字列の混合可)や化学構造データ(SMILES形式)といった、お手持ちのデータを簡単に読み込めます。

実験条件・化学構造生成

実験条件・化学構造の候補を数千、数万単位でも自動生成できます。

実験計画法

多数の実験条件の中から最初に実験する上で効果的な候補を統計的に絞れます。

記述子計算

化学構造を数値データ化します。単重合体や共重合体も取扱いできます。

データ可視化

各種統計グラフや低次元化により特徴量の分布や特徴量間の特徴を簡単に把握できます。

データ前処理

特徴量の変換・追加・削除を行い、モデル構築に適した形に調整できます。

回帰分析

様々なアルゴリズムの中から予測精度の高いモデルの構築検討ができます。また各特徴量の回帰係数、重要度が一覧化され、予測根拠を確認できます。

適応的実験計画法

既存の実験データに基づいて、次に実験する上で有効な候補が提案されます。

ベイズ最適化

適応的実験計画法において、目標値が学習データから遠いときの方法として効果的です。

時系列データ分析

時間変化しているデータを用いてモデルを構築し、リアルタイムに測定されたデータから随時予測でき、ソフトセンサー、異常検知を実運用できます。

モデル最適化

パラメータの自動最適化、および各種モデルの予測精度の比較が容易です。

逆解析

物性・活性の予測モデルを構築後、目標値を達成する条件を割り出せます。他サービスにはない直接的逆解析も実行できます。

欠損値補完

学習データの中に欠損部分がある際に、特徴量全体の情報から欠損値を自動推定します。

クラス分類

定性データを目的変数として、カテゴリー分類の予測が行えます。

混合物計算

原料の組成データと原料そのものの物性・性状データを掛け合わせて、各計算手法により新たな特徴量を算出します。

スペクトル

分析装置でのスペクトルやプロファイルの数値データを処理し、組成や物性予測を行えます。

試薬データベース

富士フイルム和光純薬(株)の49万種以上の化合物から候補試薬のデータ抽出を行い、物性・性状予測後、最適試薬の製品情報サイトに直接アクセスできます。

特徴

​広範な活用領域

これまで個別に検討されていた分子・材料・プロセス設計の領域を一体として取り扱え、ラボでの実験から量産化までトータルでの効率化が図れます。

論理で裏付けされた予測精度

初期のデータ採取の候補選びから統計的に行い、得られたデータに基づいて20種以上のアルゴリズムから自動的に最適化することで、少ない実験回数で高い予測精度を実現し、短期間で開発目標到達に導けます。

操作性

シンプルな操作画面でプログラミングなしに実行でき、初学者が犯しがちな解析ミスが防げます。豊富な手順書を備え、データサイエンスのスキルに乏しくとも容易にスタートできます。

専門アプリでプロセス予測

クラウドでの最適化検討の結果をもとに、新たな製造工程データに対しソフトセンサー・異常検知の予測を 行います。アプリはオフラインで動作するため、PCにインストールすれば製造現場のネットワーク環境に左右されず安定的に使用できます。

Datachemical LAB プロセス予測用アプリ

セキュリティ

利用プラン

企業向けプラン

様々な規模のメーカー様に導入頂けます。次世代素材の開発から既存製品の改良案件までテーマは選びません。メール・ウェブ面談等による個別問い合わせにてサポート致します。

研究・教育機関向けプラン

研究・教育機関に対しユーザー毎に特別価格で提供致します。

グループチャットにて技術的なお問い合わせサポート致します。

サポート専門サイトご用意

各セクションの使い方

豊富な手順書、トピックに合わせた技術資料を備え、操作の流れを動画で確認できます。

各セクションの使い方

活用トレーニング

実践的な練習課題と模範解答動画を通じて、効果的にデータ解析・機械学習活用法を学習することができます。

活用トレーニング
Datachemical LABセクション一覧

取り扱うデータの種類や目的によって、Datachemical LABの活用の流れを説明しております。

01 チュートリアル

02 仮想サンプル生成

03 実験計画

04 記述子計算

05 構造生成

06 可視化:データ可視化

07 可視化:低次元化

08 前処理:欠損値補完

09 前処理:特徴量変換

10 前処理:特徴量選択

11 前処理:混合物計算

12 クラス分類:モデル最適化

13 クラス分類:予測

14 MI:モデル最適化

​15 MI:予測・回帰分析

​16 MI:予測・ベイズ最適化

​17 MI Expert:モデル最適化-複数Y同時

​18 MI Expert:MI予測-複数Y同時回帰分析

​19 MI Expert:MI予測-直接的逆解析

​20 スペクトル:SG法による前処理

21 ソフトセンサー

​22 異常検知

24593047_m.jpg

運営会社
データケミカルの強み

 明治大学理工学部 金子弘昌准教授のケモインフォマティクス・マテリアルズインフォマティクス・プロセスインフォマティクスの知見をもとに、化学・工学分野を専門としたデータサイエンス事業を展開しております。

 化学・工学分野でのデータ解析・機械学習活用の最新の研究成果を蓄積し、プラットフォームであるDatachemical LABの機能充実、高度な技術案件のコンサルティングを通じて、幅広いお客様の技術課題の解決に貢献していきます。

bottom of page