第1章 ベイズ最適化の原理とパラメータ制御、その活用

第1節 ベイズ統計の基礎、考え方と応用事例

• 1.ベイズ学習:ベイズ統計と機械学習
  • 1.1 ベイズ統計の概要
  • 1.2 線形回帰とベイズ統計
  • 1.3 ガウス過程回帰
• 2.ベイズ最適化
  • 2.1 ベイズ最適化の概要
  • 2.2 ベイズ最適化のアルゴリズム
  • 2.3 ベイズ最適化の応用:元素置換によるサイクル特性改善

第2節 マテリアルズインフォマティクスの国内外の動向とベイズ最適化による計算実験

• 1.マテリアルズ・インフォマティクス (MI) 登場の背景-我が国の部素材産業を取り巻く環境とMIの進展-
• 2.マテリアルズ・インフォマティクス (MI) とは何か
• 3.日本と世界のMIに対する取り組み
• 4.MI分野における研究動向
  • 4.1 MIを用いた材料開発におけるAI技術の使い分け
  • 4.2 ベイズ最適化とは
  • 4.3 モデルを用いたベイズ最適化の説明
  • 4.4 ベイズ最適化の実施例
    • 4.4.1 ベイズ最適化による二元化合物の融点データを用いた計算実験
    • 4.4.2 ベイズ最適化によるポリマー設計の試行回数の削減
    • 4.4.3 全固体電池材料の最適化予測への適用

第3節 ベイズ最適化手法を用いた製品開発の迅速化

• 1.歯磨剤開発の特徴
• 2.ベイズ最適化の基本概要
• 3.ベイズ最適化を用いた適応的実験計画法
• 4.ベイズ最適化を活用した歯磨剤開発の事例

第4節 能動学習とベイズ最適化の組み合わせによる材料開発の効率化

• 1.材料開発でのデータ取得
• 2.能動学習の方針
  • 2.1 不確実性サンプリング (Uncertainty sampling)
  • 2.2 多様性サンプリング (Diversity sampling)
  • 2.3 能動学習の推奨スコア
• 3.活用事例
  • 3.1 引張強度の予測精度向上
  • 3.2 剥離強度の最大化

第5節 ロバスト制約下におけるベイズ最適化の運用

• 1.ベイズ最適化の適用範囲拡大
  • 1.1 ベイズ最適化の概要と製造現場での適用例
  • 1.2 ベイズ最適化の課題
  • 1.3 適用範囲拡大のための拡張手法
• 2.制約付きベイズ最適化
  • 2.1 制約付き最適化問題
  • 2.2 ペナルティ関数法と課題
  • 2.3 制約付きベイズ最適化手法の紹介
• 3.ロバストベイズ最適化
  • 3.1 ロバスト最適化問題と課題
  • 3.2 ロバストベイズ最適化手法の紹介と比較
• 4.ロバスト制約付きベイズ最適化
  • 4.1 ロバスト制約の概要
  • 4.2 ロバスト制約付きベイズ最適化手法の紹介

第6節 ベイズ最適化によるデータベース管理システムの設定値探索

• 1.DBMSの設定
• 2.設定の最適化
• 3.PostgreSQLへの適用
  • 3.1 プランナコスト定数
  • 3.2 設定最適値の探索

第7節 MATLAB/Pythonによるベイズ最適化の実装

• 1.ベイズ最適化
• 2.Matlab/Pythonによるベイズ最適化の実装
  • 2.1 Matlabによる実装
  • 2.2 Pythonによる実装

第8節 ベイズ統計学に基いた量子測定, 推定の最適化

• 1.量子系におけるベイズ最適化
  • 1.1 量子統計的決定問題
  • 1.2 実装可能な測定からなるクラスに限定する場合
  • 1.3 決定POVM の閉凸集合の性質から示される結果
• 2.量子状態識別におけるベイズ最適化
  • 2.1 量子状態識別
  • 2.2 量子系におけるベイズ最適化
  • 2.3 アファイン汎関数による表示
  • 2.4 一般化双対定理を用いたベイズ測定の必要十分条件
• 3.パラメータ推定におけるベイズ最適化
  • 3.1 連続パラメータへの拡張
  • 3.2 例: 回転スピンモデルでのベイズ測定

第9節 スペクトルデータ解析へ向けたベイズ推定の活用とパラメータの調整

• 1.HAXPESのデータ解析へのベイズ推定導入の意義
  • 1.1 ベイズ推定
  • 1.2 ベイズ推定の方法論
• 2.X線光電子分光スペクトルデータへの適用

第10節 秘密計算により入力データを秘匿したベイズ最適化

• 1.ユースケースシナリオ
• 2.秘匿ベイズ最適化
  • 2.1 秘密計算
  • 2.2 ベイズ最適化への秘密計算の適用

第2章 ベイズ最適化による高分子材料、有機化合物の合成、開発への応用

第1節 高分子材料開発におけるベイズ最適化の活用

• 1.はじめに
• 2.適応的実験計画法を用いた高分子配合条件探索
• 3.おわりに

第2節 高圧触媒反応のハイスループット最適化 CO2直接ヒドロホルミル化触媒の探索

• 1.実験・最適化手順
  • 1.1 実験
  • 1.2 データ連携システム
  • 1.3 ベイズ最適化
    • 1.3.1 実験条件最適化の戦略
    • 1.3.2 バッチベイズ最適化
    • 1.3.3 組成最適化
    • 1.3.4 プロセス&組成最適化
• 2.結果と考察
  • 2.1 組成最適化
  • 2.2 プロセス&組成最適化

第3節 ベイズ最適化による可視光ヒドロキシペルフルオロアルキル化条件の最適化

• 1.反応条件
• 2.ベイズ最適化による反応条件の最適化
  • 2.1 ベイズ最適化1 (4パラメーター・シングルベイズ最適化)
  • 2.2 ベイズ最適化2 (5パラメーター・シングルベイズ最適化)
  • 2.3 ベイズ最適化3 (5パラメーター・パラレルベイズ最適化)
• 3.相関係数の計算
• 4.異なる基質の最適化
  • 4.1 4-フェニルブテンに対する最適化
  • 4.2 臭化ペルフルオロブチルに対する最適化
  • 4.3 表1-5の最適条件の比較

第4節 生分解性高分子のタフネスと分解性の両立に向けたモノマーの配列設計

• 1.背景
  • 1.1 生分解性高分子におけるトレードオフの関係
  • 1.2 高分子のモノマー配列
  • 1.3 目的
• 2.配列制御されたポリマーの合成
  • 2.1 オリゴペプチドの調製
  • 2.2 ポリアミドの合成
• 3.得られたポリマーの物性
  • 3.1 酵素分解試験
  • 3.2 力学試験
• 4.ベイズ最適化
  • 4.1 2つの物性に対する最適化
  • 4.2 3つの物性に対する最適化
  • 4.3 得られたアミノ酸配列について

第5節 NMRデータサイエンスによる生分解性材料最適化

• 1.NMRデータサイエンス
• 2.ベイズ最適化を利用した高分子材料の分解予測モデルの構築
• 3.CNN潜在空間の抽出によるNMR緩和曲線のノイズ除去と材料成型プロセス最適化
• 4.NMRデータサイエンスによる材料最適化
• 5.多様化時代のNMR

第6節 繊維強化複合材料積層板の強度予測へのバッチベイズ最適化の活用

• 1.積層パラメータと積層条件
  • 1.1 積層パラメータ
  • 1.2 強度,製造条件より定める経験的な積層条件
• 2.積層板の強度予測モデル構築
  • 2.1 ベイズ最適化による強度予測モデルの構築
• 3.遺伝的アルゴリズムによる次の試験候補探索
• 4.数値計算例
  • 4.1 ガウス過程回帰モデルの近似精度
  • 4.2 ベイズ最適化で得られた積層構成の特徴

第7節 ベイズ最適化による化学増幅型レジストの脱保護反応における有効反応半径の推定

• 1.実験手法
• 2.シミュレーションモデル
• 3.分析方法
• 4.結果と考察

第8節 多目的バッチベイズ最適化によるタンパク質設計

• 1.タンパク質の立体構造生成とアミノ酸配列生成
  • 1.1 従来のタンパク質設計
  • 1.2 最先端のタンパク質設計
• 2.タンパク質の機能評価
  • 2.1 計算科学的手法によるタンパク質の機能評価
  • 2.2 実験的手法によるタンパク質の機能評価
• 3.多目的バッチベイズ最適化によるフィードバック
  • 3.1 サロゲートモデル
    • 3.1.1 ガウス過程
    • 3.1.2 ベイジアンニューラルネットワーク
    • 3.1.3 モンテカルロドロップアウト
    • 3.1.4 深層アンサンブル
  • 3.2 獲得関数
    • 3.2.1 EHVI
    • 3.2.2 NEHVI
    • 3.2.3 qNEHVI
  • 3.3 タンパク質生成モデルへのフィードバック
    • 3.3.1 事前生成した候補タンパク質に対する最適解探索
    • 3.3.2 獲得関数によるタンパク質生成のガイダンス

第9節 ロボット実験とデータ科学的手法が連携した電解液材料探索システム

• 1.NIMS電気化学自動実験ロボットを用いた蓄電池用電解液材料開発の効率化
• 2.自律自動実験のための汎用ソフトフェア:NIMO

第10節 金属空気二次電池開発へ向けた固体電解質の探索とベイズ推定によるパラメータの最適化

• 1.次世代二次電池用固体電解質の開発
  • 1.1 鉄イオン伝導性を示す固体電解質の開発
  • 1.2 AI+ロボットを活用した新規イオン伝導性固体電解質の開発
• 2.全固体電池の開発
  • 2.1 固体電解質のシート化技術の開発
  • 2.2 鉄空気電池の作製と電池性能評価

第11節 機械学習を用いた光駆動有機結晶の設計と高出力へ向けた条件最適化

• 1.光駆動有機結晶
• 2.LASSO回帰によるヤング率の多様化
• 3.ベイズ最適化による発生力の高出力化

第3章 セラミックス、ガラス材料におけるベイズ最適化の活用と材料探索、物性予測

第1節 プロセスインフォマティクスによるセラミックデバイスの製造とプロセスパラメータの最適化

• 1.金属とセラミックスの共焼結プロセスの最適化
  • 1.1 プロセスインフォマティクスによる金属支持SOFC製造工程の最適化
  • 1.2 金属支持SOFCの湿式製造プロセスと製造パラメーター
  • 1.3 作製した金属支持SOFCの形状とプロセスパラメーターの相関
• 2.新しいセラミックス低温製造プロセスの開発
  • 2.1 Acid-Base Chemical Densification (ABCD) 法の開発とプロセス最適化
  • 2.2 様々な機械学習アルゴリズムを用いたABCD法のパラメーター最適化
  • 2.3 実験データセットの高効率な作成

第2節 コンビナトリアル手法による機能性材料の開発とベイズ最適との組み合わせ

• 1.研究背景
• 2.コンビナトリアル手法のMgxZn1-xO薄膜への適用
• 3.コンビナトリアル手法のEuxY2-xO3蛍光体材料開発への適用
• 4.ベイズ最適化によるEuxY2-xO3蛍光体のコンビナトリアル評価の高速化

第3節 ベイズ最適化を活用した酸化物触媒の設計

• 1.背景
  • 1.1 水の電気分解触媒としての遷移金属複合酸化物
  • 1.2 高エントロピー酸化物と酸素発生触媒
  • 1.3 ベイズ最適化と酸素発生触媒
• 2.ペロブスカイト酸化物La (Cr, Mn, Fe, Co, Ni) O3における化学組成のベイズ最適化による高活性酸素発生触媒の設計
  • 2.1 最適化のスキームと実験方法
  • 2.2 結果と考察
• 3.結言

第4節 ブラックボックス最適化によるリートベルト解析と複合酸化物材料の解析への応用

• 1.リートベルト解析の背景と課題
• 2.ブラックボックス最適化の概要
• 3.リートベルト解析の自動化
• 4.複合酸化物材料の解析への応用
• 5.課題と展望
• 6.まとめ

第5節 ベイズ最適化による実験条件の最適化とセラミックスの赤色蛍光強度向上への適用

• 1.実験に用いた材料:セラミックス蛍光体
• 2.手法:ベイズ最適化による実験条件の複数提案
• 3.実験手順
• 4.実験・最適化結果 (AI による最適組成予測の検証)

第6節 ベイズ最適化による組成・プロセスパラメーターの調整と新材料開発への応用

• 1.ベイズ最適化
  • 1.1 ガウス過程回帰
  • 1.2 獲得関数
• 2.ベイズ最適化を利用した材料開発事例
• 3.多目的ベイズ最適化
  • 3.1 パレート最適解
  • 3.2 多目的ベイズ最適化を利用した材料開発
• 4.転移学習
  • 4.1 転移学習を利用したベイズ最適化

第7節 水電解用電極触媒開発におけるベイズ最適化の適用

• 1.ハイスループット実験装置による高速探索
• 2.ハイスル—プット実験装置の構成と機能
• 3.全探索による電極触媒組成最適化
• 4.ベイズ最適化を用いた4元系電極触媒の組成最適化

第8節 ベイズ最適化によるゾル-ゲル反射防止膜の開発 従来の開発手法との比較

• 1.ベイズ最適化適用テーマの背景
  • 1.1 ゾル-ゲル法
  • 1.2 ゾル-ゲル反射防止膜
• 2.ベイズ最適化による探索手順
  • 2.1 探索範囲と目標特性
  • 2.2 初期データ
  • 2.3 モデル構築
  • 2.4 評価関数 (獲得関数) を用いた次の実験条件の選択
  • 2.5 実験によるデータ収集とモデル更新の繰り返し
• 3.ベイズ最適化による探索結果
• 4.過去の開発結果とベイズ最適化による開発結果の比較

第9節 ベイズ最適化を用いたガラス材料探索 Rスクリプトの解説とともに

• 1.ガラス材料探索
  • 1.1 ガラスとは
  • 1.2 ガラスデータベース利用について
• 2.ベイズ最適化
  • 2.1 ガウス過程回帰
  • 2.2 ベイズ最適化
  • 2.3 実施例
• 3.R言語を用いた分析方法
  • 3.1 R言語とは
  • 3.2 インストールや情報入手
  • 3.3 ベイズ最適化のためのスクリプト

第4章 ベイズ最適化を用いた金属材料の構造探索、プロセス条件最適化

第1節 ベイズ最適化を用いた結晶構造探索

• 1.ベイズ最適化を用いた結晶構造探索手法
  • 1.1 探索手順の概要
  • 1.2 結晶構造の記述子
  • 1.3 ベイズ最適化の探索効率
    • 1.3.1 Na8Cl8の安定構造探索
    • 1.3.2 Y2Co17の安定構造探索
• 2.ベイズ最適化と進化的アルゴリズムのハイブリッドアルゴリズム
  • 2.1 Y2Co17における探索効率
  • 2.2 Cu4Ga4S8における探索効率

第2節 ベイズ最適化によるIII-V族半導体薄膜の熱電性能向上

• 1.背景
• 2.実験プロセス
• 3.パラメータ変調範囲の検討
  • 3.1 結晶性に与える基板温度の効果
  • 3.2 電気・熱電特性に与える基板温度およびSnセル温度の効果
  • 3.3 熱伝導率に与えるInGaAsSb組成および基板温度の効果
• 4.ベイズ最適化の試行
  • 4.1 ベイズ最適化による熱電性能の向上
  • 4.2 ガウス過程による特性分布回帰

第3節 Au原子接合の作製におけるベイズ最適化を用いた実験パラメータ探索

• 1.ベイズ最適化
  • 1.1 ガウス過程
  • 1.2 獲得関数
  • 1.3 ベイズ最適化の応用例
• 2.Au原子接合の作製におけるベイズ最適化を用いた実験パラメータ探索
  • 2.1 FCE自律駆動型システムの構成とAu原子における移動制御性の評価
  • 2.2 ベイズ最適化を用いた電圧フィードバック量VFBのリアルタイム探索
  • 2.3 ベイズ最適化を用いたVFBのリアルタイム探索における閾値微分コンダクタンスGTHの影響
  • 2.4 ベイズ最適化を用いた実験パラメータの組合せ (VFB, GTH) に対するリアルタイム探索

第4節 ベイズ最適化を用いた高磁気異方性材料の物性予測と創製

• 1.背景
• 2.Methods
• 3.材料探索手法
  • 3.1 第一原理計算によるMAE計算
  • 3.2 ベイズ最適化による高磁気異方性材料の予測
• 4.ベイズ最適化を用いた探索結果
• 5.MAEの理論解析
• 6.実験
• 7.作製した材料の磁気特性解析

第5節 ベイズ最適化による磁性合金材料探索

• 1.磁性合金
• 2.シミュレーション型の自律材料探索
• 3.合成実験による検証

第6節 機械学習とハイスループット第一原理計算を用いた自律的材料探索

• 1.ハイスループット第一原理計算
  • 1.1 自動計算ソフトウェア
  • 1.2 並列計算と計算ワークフロー
• 2.機械学習
  • 2.1 物質記述子を用いた回帰分析
• 3.機械学習に基づいたブラックボックス最適化
  • 3.1 Bound Objective-free eXploration (BLOX)
  • 3.2 Probability that properties fall within the Target Range (PTR)
• 4.自律的な計算材料スクリーニング
  • 4.1 システム構成
  • 4.2 high-k誘電体探索を想定した性能評価
• 5.今後の方針

第7節 超伝導材料創製プロセス開発におけるインフォマティクスの活用

• 1.鉄系超伝導体
• 2.超伝導バルク材料開発におけるプロセスインフォマティクス応用
  • 2.1 ベイズ最適化による作製プロセスの決定
  • 2.2 インフォマティクス活用による高特性超伝導バルク創製
• 3.超伝導バルク材料開発におけるAI活用

第8節 構造金属材料研究・開発におけるベイズ最適化の適用

• 1.入力変数の削減手法
  • 1.1 重要な入力変数の選択
  • 1.2 入力変数の次元削減
• 2.プロセスー組織—特性を関連付ける順・逆解析
  • 2.1 CNN画像回帰モデル
  • 2.2 ベイズ最適化GANモデル
  • 2.3 多目的最適化モデル
• 3.その他の材料工学におけるベイズ最適化の適用例

第5章 医薬品、バイオ分野へ向けたベイズ最適化の活用

第1節 医薬品添加物の材料探索へ向けたニューラルネットワークの活用

• 1.製剤開発の現状と取り組むべき課題
• 2.製剤処方におけるAIの活用
  • 2.1 AI活用のための製剤処方関連データ収集
  • 2.2 錠剤・顆粒の物性予測に向けたAIモデル構築
  • 2.3 添加物選定に向けたAIモデル構築
• 3.ベイズ最適化を用いた添加物配合の探索と最適化
  • 3.1 添加物の組み合わせによる顆粒製剤物性
  • 3.2 コストの観点による添加物の選定
  • 3.3 ベイズ最適化を用いた物性とコストの多目的最適化

第2節 ベイズ最適化を用いたRNA配列デザイン

• 1.LaMBOを用いたmRNAの多目的最適化
  • 1.1 進化的最適化による配列設計
  • 1.2 最適化モデルの概要
    • 1.2.1 LaMBO
    • 1.2.2 DNABERT
  • 1.3 mRNA 配列の多目的最適化問題
• 2.RaptGen
  • 2.1 RaptGenの概要
  • 2.2 RaptGenの特徴
  • 2.3 ベイズ最適化とは
  • 2.4 RaptGenとベイズ最適化の統合
• 3.RaptGen-UIを用いたインタラクティブなRaptGenの実行と解析

第3節 ベイズ最適化を駆使したスルファミドのフロー合成における条件探索

• 1.反応条件の探索および最適化手法
  • 1.1 単一要因試験 (One Factor (Variant) At a Time, OF (V) AT)
  • 1.2 実験計画法 (DoE)
  • 1.3 局所最適化と大域的最適化
• 2.BO
  • 2.1 ガウス過程回帰
  • 2.2 獲得関数
• 3.BOを駆使した非対称スルファミドのマイクロフロー合成法の開発
• 4.ガウス過程回帰モデルからの化学的知見の獲得
• 5.多目的BOと転移学習
  • 5.1 多目的最適化問題におけるパレート解とパレートフロント
  • 5.2 q-noisy expected hypervolume improvement (qNEHVI) を用いた多目的BO
  • 5.3 転移学習

第4節 抗菌スパイク粒子のガウス過程回帰を活用した合成条件最適化 ベイズ最適化の活用に向けた展望

• 1.序論
  • 1.1 研究の背景と目的
  • 1.2 抗菌スパイク粒子による構造殺菌
  • 1.3 抗菌スパイク粒子の合成
• 2.抗菌スパイク粒子の合成方法

第6章 プロセス設計、合成条件、装置設計の最適化へ向けたベイズ最適化の活用

第1節 ベイズ最適化を用いた粉体成膜プロセスの最適化

• 1.AIロボットを活用した乾燥プロセス最適化の自律探索
• 2.ベイズ最適化
• 3.いろいろなハイパーパラメータ
• 4.ハイパーパラメータスタディ

第2節 流体吐出プロセスの定量評価とベイズ最適化の活用

• 1.吐出波形特徴量開発
  • 1.1 人の定性的な評価基準のモデル化
  • 1.2 特徴量の統合と評価関数
• 2.ベイズ最適化によるパラメータ条件探索
  • 2.1 自動パラメータ調整システム開発
  • 2.2 自動調整の実機検証

第3節 シミュレーションと機械学習を用いた分離技術プロセスのロバスト最適化

• 1.マルチフィジックスシミュレーションによる分離技術モデル化とその複雑性
  • 1.1 数値流体解析に基づいた分離解析
  • 1.2 電磁場を活用した分離技術
• 2.シミュレーションの課題および従来のサロゲートモデルによる最適化の課題
  • 2.1 パラメトリック設計と最適化
  • 2.2 計算負荷が高いまたはプロセス評価の反復回数が多いシミュレーションの場合
  • 2.3 ばらつきと不確かさを考慮する場合
• 3.数値解析に機械学習を組み合わせたサロゲートモデリングとロバスト最適化
  • 3.1 サロゲートモデルのアルゴリズム
  • 3.2 サロゲートモデルによる確率的シミュレーションのすすめ
  • 3.3 機械学習を併用した最適化のメリットと課題
  • 3.4 確率的最適化と信頼性ベースの最適化による信頼性評価
  • 3.5 サロゲートモデルを活用した不確かさの伝播評価

第4節 フロー合成におけるベイズ最適化の活用と自動合成

• 1.ベイズ最適化による多変数の同時最適化
  • 1.1 3変数の同時最適化
  • 1.2 4変数の同時最適化とD最適手法による初期条件選択
• 2.自動最適化

第5節 ベイズ最適化を用いた半導体材料の結晶成長条件の最適化

• 1.TSSG法によるSiC結晶成長における最適条件の提案
• 2.VGF法によるInGaSb結晶成長における固液界面形状制御
  • 2.1 拡散係数の算定
  • 2.2 固液界面制御

第6節 シリコン量子ドット太陽電池の効率向上へ向けたベイズ最適化の活用

• 1.太陽光発電技術の現状
  • 1.1 太陽電池の理論限界効率
  • 1.2 Si-QD太陽電池
• 2.HPTのプロセス条件最適化手法
  • 2.1 水素プラズマプロセス
  • 2.2 ベイズ最適化によるプロセス条件最適化
  • 2.3 目的関数:光感度
  • 2.4 試料作製とプロセス条件最適化
• 3.水素プラズマプロセス最適化への応用
  • 3.1 作製した試料とプロセス最適化結果
  • 3.2 最適化されたHPT条件に関する考察
  • 3.3 Si-QD太陽電池作製と性能評価

第7節 制約付きベイズ最適化 Siヘテロ接合太陽電池用アモルファスSiの製膜条件の最適化

第8節 産業用サーボにおけるパラメータ自動調整へのベイズ最適化の活用

• 1.問題設定
  • 1.1 FBコントローラの自動調整問題
  • 1.2 自動調整アルゴリズム
• 2.パラメータ探索空間の算出理論
  • 2.1 安定パラメータ空間の定義
  • 2.2 従来手法:制約付き最適化問題の可解性解析に基づく安定空間の推定
  • 2.3 提案手法:ベイズ最適化に基づく安定空間の推定
    • 2.3.1 ガウス過程回帰に基づく安定性の推定
    • 2.3.2 ベイズ最適化における獲得関数
• 3.制御対象と実験システム
  • 3.1 制御対象:ガルバノスキャナ
  • 3.2 実験システム
• 4.実験結果
  • 4.1 実験条件
  • 4.2 探索空間の算出結果
  • 4.3 自動調整結果

第9節 ベイズ最適化による射出成形品の品質安定化

第10節 ベイズ最適化による連続型インクジェットプリンタの印字品質向上に関する検討

• 1.研究対象
• 2.最適化手法
  • 2.1 インク液滴飛翔解析技術
  • 2.2 連続型インクジェットプリンタの帯電制御向けベイズ最適化技術
• 3.最適化結果

第11節 異種ドメイン適応とガウス過程回帰による予測手法の確立とケミカルトナー製造への応用

• 1.ケミカルトナー製造プロセス
• 2.転移学習を用いた予測手法
  • 2.1 転移学習
  • 2.2 予測モデル
• 3.予測手法の比較
• 4.量産プラントへの応用

第12節 生産効率向上へ向けたディスパッチングルールの事前学習および運用

• 1.製造業における生産スケジュール立案に関する課題
• 2.生産スケジューリング手法
• 3.ディスパッチングルールを推定する機械学習モデル
• 4.機械学習モデルを用いたスケジューリング手法
• 5.計算機実験による評価