かなめ │ ケミストのDXノート

材料メーカーの研究者｜化学×DXを現場目線で発信
Python / Streamlit / MI / 生成AI / ラボ自動化・自律実験
実務で使える情報をnoteにまとめています
一緒に化学のDXを進めましょう

[かなめ │ ケミストのDXノート @Rucyinthefire]

AIはブラックボックス、で済ませたくない人へ。
『Why Machines Learn――現代AIを支える、美しき数学の物語』（アニル・アナンサスワーミー著、小林裕亨訳、技術評論社）。機械学習を支える数学の原理と発展の歴史をたどる一冊です。2026年9月刊。
#機械学習 #AI
https://t.co/GYZ7SA2lye

[かなめ │ ケミストのDXノート @Rucyinthefire]

『とりあえず全部試して』と言われた金曜日、ありませんか。
ベイズ最適化を実験の言葉だけで解説した連載全7回、マガジンにまとめました。ガウス過程は『自信ないですと言えるAI』。獲得関数は『いつもの店か、新しい店か』。
#ベイズ最適化 #実験計画
https://t.co/pjfD6nsbtw

[かなめ │ ケミストのDXノート @Rucyinthefire]

ベイズ最適化の無料教材、その7。MIT OpenCourseWare。
非線形最適化の講義ノート『Lecture 21: Bayesian Optimization』がPDFで無料公開されています。
#ベイズ最適化 #機械学習
https://t.co/FEpCa8zchb

[かなめ │ ケミストのDXノート @Rucyinthefire]

ベイズ最適化の無料教材、その6。一杉太郎先生の研究室の解説ページ。
研究室サイトでベイズ最適化を解説し、三井情報と共同開発した無料の試作版アプリへのリンクもあります。
#ベイズ最適化 #材料科学
https://t.co/MpqibIvMzH

[かなめ │ ケミストのDXノート @Rucyinthefire]

ベイズ最適化の無料教材、その5。名古屋大学・松井孝太先生の講義スライド。
『機械学習による統計的実験計画（ベイズ最適化を中心に）』全145枚がSlideShareで公開。ガウス過程回帰、獲得関数の設計、適用例まで。
#ベイズ最適化 #実験計画
https://t.co/6KSFfhb6DB

[Runway @runwayml]

Today, we’re making Praxis-1 available to everyone. Our state-of-the-art world action model turns video pretraining into control for real robots, and it ships with open weights under Apache 2.0, ready to run and fine-tune on your own hardware.

[かなめ │ ケミストのDXノート @Rucyinthefire]

ベイズ最適化の土台になる、ベイズモデリングの入門書です。
『データ解析のための統計モデリング入門』（久保拓弥、岩波書店、2012年）。一般化線形モデル・階層ベイズモデル・MCMCを扱います。ガウス過程回帰の土台固めに。
#ベイズ統計 #機械学習
https://t.co/XOKkzAjtBO

[かなめ │ ケミストのDXノート @Rucyinthefire]

ベイズ最適化の無料教材、その4。NIMSのNIMO。
自律実験のためのソフトウェアで、日本語ドキュメントとチュートリアルが公開されています。PHYSBOなどのAIツールモジュール12種を、実験条件ファイルとつないで使う設計です。
#ベイズ最適化 #自律実験
https://t.co/nfz4SMrFsP

[かなめ │ ケミストのDXノート @Rucyinthefire]

ベイズ最適化の無料教材、その3。東京大学物性研究所のPHYSBO。
ベイズ最適化のPythonライブラリで、日本語チュートリアル（Jupyter）が公開されています。多目的最適化などのチュートリアルもあります。
#ベイズ最適化 #マテリアルズインフォマティクス
https://t.co/CLVvvthyuw

[かなめ │ ケミストのDXノート @Rucyinthefire]

ベイズ最適化の心臓部は、ガウス過程回帰です。その日本語入門書。
『ガウス過程と機械学習』（持橋大地・大羽成征、講談社）。線形回帰からゼロで始めて、ガウス過程の原理から教師なし学習まで解説しています。
#ガウス過程 #ベイズ最適化
https://t.co/rHSqcjnTQ9

[かなめ │ ケミストのDXノート @Rucyinthefire]

ベイズ最適化の無料教材、その2。ワシントン大学Garnett准教授の教科書『Bayesian Optimization』（Cambridge University Press、2023年）。
著者サイトでPDFが無料公開されています（個人利用のみ）。
#ベイズ最適化 #機械学習
https://t.co/3fTslhH0fw

[かなめ │ ケミストのDXノート @Rucyinthefire]

ベイズ最適化の無料教材、その1。明治大学・金子研究室の解説スライド。
『自由にご利用ください』と明記して公開。PDFとパワーポイントの両形式で、ガウス過程回帰・獲得関数・適応的実験計画法まで。実行コードもGitHubにあります。
#ベイズ最適化 #実験計画
https://t.co/Gz05lL154P

[かなめ │ ケミストのDXノート @Rucyinthefire]

スペクトルは丸ごと機械学習に渡すもの、と思っていました。
グラフェンのXANESをπ*・σ*など物理的な領域に分けて学習させたら、効く情報はπ*領域に集中（東京理科大・東大）。鍵はドーパントのBader電荷と結合長で、91構造・415スペクトルで検証。
#機械学習 #材料科学
https://t.co/9VSYgzZ09B

[かなめ │ ケミストのDXノート @Rucyinthefire]

印刷の送り速度を、機械が6回で決めました。
液状シリコーンゴムの3Dプリントは、垂れて崩れるのが難所。形の一致度（IoU）を測ってベイズ最適化で送り速度を自動調整したら、6回の反復でIoUが0.22から0.84に。コードは100行未満だそうです。
#ベイズ最適化 #3Dプリント
https://t.co/ec3ouWg44i

[かなめ │ ケミストのDXノート @Rucyinthefire]

配合探索の「人の作業」を90%以上減らした、部分自律ラボ。
データベースと予測モデル、自動の配合・測定・引張試験をつなぎ、熱硬化性アクリルの最適化を実働約40時間で。対象はエラストマー性材料（Chemistry of Materials）。
#自律実験 #マテリアルズインフォマティクス
https://t.co/M7zAd9oNIL

[かなめ │ ケミストのDXノート @Rucyinthefire]

実験25,000回を、機械が自分で回しました。
ボストン大学の自律実験装置BEARは、3Dプリンタ5台で構造体を作っては潰し、エネルギー吸収効率を探索。TPUなどの超弾性材料を含む7種のポリマーで、報告最大の効率75.2%に到達したそうです。
#自律実験 #材料開発
https://t.co/FkwSottCE5

[かなめ │ ケミストのDXノート @Rucyinthefire]

半年かけて作ったツールを会議で紹介したら、「あ、それうちにあるよ」。
毎週2時間かかっていたデータ整理を自動化したExcelファイル。しかも先輩の方が高機能でした。真っ白になりましたが、この「車輪の再発明」、どこの職場にもある話だと思います。
#DX #業務改善
https://t.co/4EERLHX3J9

[製造業24時 @industryJapan]

NTTがロボットの失敗を回避するフィジカルAI技術を開発 行動前に荷崩れや落下を予測 https://t.co/fmLCzyuFgA

[かなめ │ ケミストのDXノート @Rucyinthefire]

研究者のAI利用、アイデア出しは4.2%だけでした。
Anthropicが約20.7万セッションを分析。中心はデータ解析（33.7%、Claude Codeでは48.1%）。
なのに科学者528人の調査では「成果に最も重要」なのはアイデア出し。使われ方と大事さがズレてます。
#AI #研究開発
https://t.co/6V5VjtiQgf

[かなめ │ ケミストのDXノート @Rucyinthefire]

「良い条件を見つける力」と「学ぶ力」は、別の能力でした。
自律実験AIエージェントの採点表「Autonomous Science Bench」。6課題を8構成144試行で回し、最良構成でも成功率67%、最難関は24回中3回だけ。
採点は「発見」と「学習」の2関門制です。
#自律実験 #AIエージェント
https://t.co/j3SO4rxM3k