化学工学会 第91年会 (京都)
講演プログラム検索結果 : 学習 : 30件
講演要旨閲覧は講演番号をクリックしてください。
(有料参加登録者およびご招待者に3/3にメールでお知らせしたID/PWが必要です。)
(有料参加登録者およびご招待者に3/3にメールでお知らせしたID/PWが必要です。)
講演題目 が『学習』を含む講演：30件該当しました。
検索結果は開始時刻順に並んでいます。
| 講演 時刻 | 講演 番号 | 講演題目／発表者 | キーワード | 分類 番号 | 受理 番号 |
|---|---|---|---|---|---|
| P会場 第 1 日 | PA152 | 小規模学習データセットを用いた深層学習による培地組成の改良 | Deep Learning Culture medium components Optimization | 7-a | 675 |
| P会場 第 2 日 | PB231 | 機械学習を用いた低品質動画からの粒子追跡手法の開発 | Softsensor Particle tracking Machine learning | 2-g | 679 |
| P会場 第 2 日 | PB259 | 新規共有結合性有機構造体のCO2分離特性評価と機械学習による構造スクリーニング | Covalent Organic Framework Grand Canonical Monte Carlo Machine Learning | 4-a | 331 |
| G会場 第 2 日 | G207 | 深層学習による物性推算 | physical properties prediction deep learning | 1-a | 423 |
| L会場 第 2 日 | L213 | スプレー流動場CFDを対象としたサロゲートモデルの転移学習と多ノズル拡張 | CFD Surrogate Spray | 2-a | 284 |
| P会場 第 2 日 | PC211 | 三成分系混合物の物性推算を指向した勾配制約型機械学習モデルの開発 | Ternary mixture Gradient constraint Machine learning | 1-a | 322 |
| P会場 第 2 日 | PC214 | 混合物用記述子と機械学習を活用した多成分系混合物の物性推算 | Multicomponent mixture Molecular descriptor Machine learning | 1-a | 678 |
| H会場 第 2 日 | H217 | 深層学習支援型タンパク質工学による超好熱菌由来エステラーゼの機能特性改変戦略 | Deep learning ProteinMPNN AlphaFold | 7-f | 728 |
| H会場 第 2 日 | H219 | 機械学習を用いた高機能ヒト化VHH足場の創製:安定な共通骨格の設計と標的特異的な親和性獲得 | Antibody VHH | 7-a | 755 |
| N会場 第 2 日 | N222 | 汎用機械学習ポテンシャルとレアイベントサンプリング手法を組み合わせたポリマーの重合、分解反応 | uMLIP reaction rare event | 6-f | 336 |
| I会場 第 2 日 | I223 | 深層学習による棚段塔のフラッディング・ポイントの推算 | distillation column diameter flooding point prediction deep learning | 4-c | 426 |
| J会場 第 2 日 | J223 | 植物油の接触分解反応を対象とした生成物組成予測モデルに対する転移学習の適用 | catalytic cracking transfer learning reaction prediction | 5-a | 454 |
| P会場 第 3 日 | PD305 | プラスチックとバイオオイルの混合接触分解 -機械学習による収率予測と相互作用解析- | co-processing plastic bio-oil | 5-a | 286 |
| P会場 第 3 日 | PD319 | 機械学習による固体状態での鈴木・宮浦型クロスカップリング反応のための高分子パラジウム触媒の設計 | Machine learning Suzuki-Miyaura cross coupling Pd catalyst | 5-a | 47 |
| P会場 第 3 日 | PD331 | 物理法則を導入した機械学習によるDushman反応解析 | Dushman reaction Mixing evaluation Machine learning | 5-i | 323 |
| P会場 第 3 日 | PD338 | ハイブリッド型機械学習モデルによるDushman反応速度の外挿予測 | Dushman reaction Extrapolation Machine learning | 5-i | 680 |
| P会場 第 3 日 | PD354 | 機械学習モデルを用いたイオン伝導率の高い新規固体電解質材料の結晶構造の提案 | Solid Electrolyte Machine Learning Materials Informatics | 6-f | 8 |
| P会場 第 3 日 | PD355 | マスキング機能を持つ強化学習アプローチによる自律的プロセス設計 | Reinforcement learning Process flowsheet synthesis Action masking | 6-b | 135 |
| P会場 第 3 日 | PD357 | 機械学習モデルと敵対的生成ネットワークによる統合失調症に対する新規薬物候補提案 | Machine learning Drug design Schizophrenia | 6-f | 52 |
| P会場 第 3 日 | PD360 | 機械学習原子間ポテンシャルによるペロブスカイト酸化物表面におけるプロトン拡散の解明 | Machine Learning Interatomic Potential Proton Diffusion Surface Conduction | 6-g | 183 |
| P会場 第 3 日 | PD361 | 機械学習を活用した精密ろ過膜のファウリング予測と最適な運転条件の提案 | Machine Learning Microfiltration Membrane Fouling | 6-d | 163 |
| P会場 第 3 日 | PD366 | 機械学習による菌種特異性を考慮した抗菌ペプチドのMIC予測モデル開発 | Machine Learning Antimicrobial Peptides Minimum Inhibitory Concentration (MIC) | 6-g | 627 |
| P会場 第 3 日 | PD368 | Ames試験における機械学習予測モデルの精度向上に向けた分子特徴量の比較検討 | Ames test Machine learning | 6-f | 175 |
| P会場 第 3 日 | PD373 | 多糖類の水蒸気吸着量予測のための機械学習モデルの開発 | Machine learning Polysaccharides Water vapor sorption | 6-f | 387 |
| P会場 第 3 日 | PD376 | 脳MRI画像を用いたメタ学習による疾患予測における基礎的検討 | Machine Learning Neurodegenerative diseases Meta-learning | 6-f | 316 |
| P会場 第 3 日 | PD378 | 機械学習と反応ネットワークによる反応予測精度の向上について | machine learning chemical reaction network reaction pathway prediction | 6-g | 352 |
| P会場 第 3 日 | PD383 | 機械学習モデルを用いた高い熱安定性および分解活性をもつ新規プラスチック分解酵素の設計 | machine learning bioinformatics plastics-degrading enzymes | 6-f | 538 |
| P会場 第 3 日 | PD384 | 機械学習と実験によるBiVO4光触媒の合成条件最適化 | Bismuth Vanadate Synthesis conditions Machine learning | 6-e | 51 |
| P会場 第 3 日 | PD386 | 機械学習モデルの予測値の信頼性を考慮した有機半導体の低再配向エネルギー化に向けた分子生成 | Machine learning Generative adversarial networks Organic semiconductor | 6-f | 139 |
| P会場 第 3 日 | PE366 | 分子情報と機械学習を用いた深共晶溶媒・イオン液体に対する二酸化炭素溶解度の予測 | CO2 absorption COSMO-SAC machine learning | 13-g | 379 |
講演発表プログラム
講演プログラム一覧(横長)
(同 縦長表示)
セッション一覧
講演プログラムの検索
化学工学会 第91年会 (京都)
(C) 2026 公益社団法人化学工学会 The Society of Chemical Engineers, Japan. All rights reserved.For more information contact 化学工学会 第91年会 実行委員会
E-mail: inquiry-91a
www4.scej.org