tech-seminar.jp

本セミナーでは、製剤の安定化研究に役立つ方法論について解説いたします。
添加剤の選択のための実験計画の立案と解析法、薬物の活性化エネルギーを求めるためのアレニウス則およびワイブル確率の活用法、速度解析のための帰納的シミュレーション法、ICH Q1Eガイドラインに基づく有効期間の推定法、製剤中の結晶多型の定量のための、透過ラマンスペクトルの多変量解析法について詳解いたします。

本セミナーでは実際に経験した事例 (失敗例) を参考に各開発段階で行う実験の注意点、実際のスケールアップ製造で遭遇した問題点をどのように対処、解決したかを説明し、更にそこから得られた知見をもとに効率的な実験計画の立て方、必要なデータの集め方を説明いたします。

本セミナーでは、まず、実験計画法の原理と問題点の解説を行います。
その上で、実験計画法の問題点を補うために人工知能の一種であるディープラーニング (ニューラルネットワークモデル=超回帰式) を併用した、製造業の開発により適した非線形実験計画法を解説いたします。

本セミナーでは、製剤の安定化研究に役立つ方法論について解説いたします。
添加剤の選択のための実験計画の立案と解析法、薬物の活性化エネルギーを求めるためのアレニウス則およびワイブル確率の活用法、速度解析のための帰納的シミュレーション法、ICH Q1Eガイドラインに基づく有効期間の推定法、製剤中の結晶多型の定量のための、透過ラマンスペクトルの多変量解析法について詳解いたします。

本セミナーでは、ベイズ最適化の基礎や活用のコツ、ベイズ最適化を活用した材料開発の最新動向について解説いたします。

本セミナーでは、実応用上特に重要となる単目的最適化問題、多目的最適化問題およびロバスト最適化問題をベースにベイズ最適化のアルゴリズムについて解説いたします。
また、ベイズ最適化を行う際は獲得関数と呼ばれる評価関数を適切に設計する必要があるが、どのような問題に対してどのような獲得関数を設計すべきかについても概説いたします。

本セミナーでは、効率的な材料設計やプロセス・装置設計を可能にする実験計画法について取り上げ、必要なデータ解析理論とベイズ最適化の基礎、具体的な応用例や最新の研究事例などを解説いたします。