Journal of Computer Aided Chemistry
Online ISSN : 1345-8647
検索
OR
閲覧
検索
14 巻
選択された号の論文の4件中1~4を表示しています
    • |<
    • <
    • 1
    • >
    • >|
  • 小田 彰史
    14 巻 (2013) p. 36-43
    公開日: 2013/10/02
    ジャーナル フリー
    多数の共著者とともに論文を発表した数学者ポール・エルデシュにちなんで、エルデシュとの距離を測るエルデシュ数が考案された。エルデシュ数は論文著者を頂点、共著関係を辺として作成したグラフにおけるエルデシュまでの距離で定義される。この概念はあくまでも数学者コミュニティにおけるジョークとして提案されているが、数学からはかけ離れた分野の研究者も比較的小さいエルデシュ数を持つことがあり、学問の各分野が決して孤立したものではないことを示す格好の教材となっている。本研究では学問全体における情報化学の位置を初学者にわかりやすく示すため、日本の情報化学者のエルデシュ数について検討する。それに際して、エルデシュ数2を持つ細矢治夫を中心としたサブグラフを導入し、細矢からの距離細矢数を用いることでエルデシュ数を近似的に求められることを示した。さらに情報化学者以外のエルデシュ数についても論じ、エルデシュ数が研究者コミュニティのつながりが密であることを示すよい教材となることを確認した。
    抄録全体を表示
  • 小田 彰史, 福吉 修一, 中垣 良一
    14 巻 (2013) p. 23-35
    公開日: 2013/07/25
    ジャーナル フリー
    生命がタンパク質から生まれたとするタンパク質ワールド仮説の一つに、グリシン・アラニン・アスパラギン酸・バリンのみからなる最初期のタンパク質([GADV]-タンパク質)から生命が生まれたとするGADV仮説がある。4種の残基しか含まない[GADV]-タンパク質がタンパク質として立体構造を取り得るかを構造生物学的に調査した実験研究は存在せず、またコンピュータによるタンパク質立体構造予測手法についても、通常のタンパク質に対して設計された手法が[GADV]-タンパク質に対して正常に機能するかどうか調べた研究は存在しない。そこで本研究では、タンパク質立体構造予測手法を[GADV]-タンパク質に適用し、その結果を比較した。既存の手法では現存するタンパク質の立体構造を参考にして新規タンパク質の立体構造を予測することが多いが、これらの手法を用いると [GADV]-タンパク質の予測構造中にβ-構造が豊富となることがわかった。これはバリンのβ-構造形成能が影響している可能性がある。β-構造の多いモデルを分子動力学シミュレーションで緩和するとごく短時間で大きく崩れることから、不安定な構造であることが示唆された。この傾向は既存データを利用する度合いの高いスレッディングのほうがab initioモデリングよりも強かった。分子動力学シミュレーションではβ-構造のみならずヘリックスも多く観測されており、[GADV]-タンパク質に対しては単純にニュートン方程式を解くだけの分子動力学シミュレーションが、既知情報を利用した手法を上回る可能性が示唆された。
    抄録全体を表示
  • 金子 弘昌, 船津 公人
    14 巻 (2013) p. 11-22
    公開日: 2013/05/09
    ジャーナル フリー
    産業プラントにおいては測定困難なプロセス変数をリアルタイムに推定する手法としてソフトセンサーが広く使用されている。触媒の劣化や原料組成の変化等によりプラントの運転状態は変化するため、ソフトセンサーモデルはそのプロセス特性の変化に追随しなければならない。そこで新しく測定された運転データを活用したモデルの再構築が行われている。しかしばらつきが小さいデータを用いてモデルが再構築された場合、そのモデルはプロセスの急激な変化に対応できない。モデルの予測性能はデータベースに依存するといえる。そこで本研究では、データベースを管理するための指標database monitoring index (DMI)およびDMIを用いたデータベース管理手法を提案する。DMIは2つのデータの類似度に基づく指標であり、目的変数の差の絶対値と説明変数の類似度との比で定義される。2つのデータが類似しているほどDMIの値は小さくなる。新しいデータが測定された際、そのデータとデータベース内の全データとのDMI値を計算し、それらの最小値が大きいデータのみデータベースに追加する。これによりデータベースのデータ数を抑えながらデータベースの情報量を大きくすることができる。本手法を用いてシミュレーションデータ解析を行った結果、DMIにより適切なデータベース管理が可能であり、ソフトセンサーモデルの予測性能が向上することを確認した。
    抄録全体を表示
  • 三島 和晃, 金子 弘昌, 船津 公人
    14 巻 (2013) p. 1-10
    公開日: 2013/01/18
    ジャーナル フリー
    二酸化炭素の回収・貯留(carbon dioxide capture and storage, CCS)において二酸化炭素の分離回収法としてアミン化合物による化学吸収法が広く検討されており、分離回収のコスト低減のために吸収および放散の性能が高いアミン化合物が必要とされている。高い性能をもつアミン化合物を探索するためのアプローチの一つとして、定量的構造物性相関モデルと構造ジェネレータを利用した分子設計が挙げられる。本研究では、予測性の高いモデルを構築することを目的として、変数選択手法であるgenetic algorithm-based partial least squares (GAPLS)法と複数のモデルによる予測結果を統合して予測を行うアンサンブル学習を組み合わせたensemble GAPLS (EGAPLS)法を提案した。アンサンブル学習を利用することで、単独のGAPLSモデルよりも高い予測精度をもつモデルを構築することができる。また予測値のばらつきを考慮することで、予測値の信頼性を評価することが可能となる。3級アミン化合物の二酸化炭素吸収速度および放散量のデータを用いて物性予測モデルを構築し、cross-model validation (CMV)を用いてモデルの予測精度を検証した。その結果、EGAPLS法を用いることで高い予測精度をもつ物性予測モデルが得られたことを確認した。構造ジェネレータにより出力された構造に対してこのモデルを適用することで、二酸化炭素の分離回収に用いるアミン化合物として有望な化学構造を得た。
    抄録全体を表示
    • |<
    • <
    • 1
    • >
    • >|
feedback
Top