瀧川 一学

thumbnail image
瀧川 一学
主任研究者
北海道大学
研究分野
機械学習, 反応ネットワークモデリング, データ駆動予測
関連ウェブサイト
連絡先

takigawa atmark icredd.hokudai.ac.jp

瀧川 一学 グループ
主任研究者
  • thumbnail image
    瀧川 一学
教員

研究紹介

研究テーマ

反応ネットワークモデリング, データ駆動予測, 最適実験計画

キーワード

機械学習, データマイニング, バイオインフォマティクス, ケモインフォマティクス, マテリアルズインフォマティクス

研究概要

機械学習では、コンピュータがデータからパターンを検出できるようなアルゴリズムを開発することが必要となります。機械学習アルゴリズムは標準的には表形式のデータを扱うように設計されていますが、多くの科学的データが表形式ではありません。例えば、ゲノム配列は系列データであり、化合物の化学構造式はネットワーク状のグラフ構造データです。一つの研究テーマとして、このような非数値データを扱う機械学習アルゴリズムの開発を研究しています。

化学実験やシミュレーションによって得られたさまざまなデータの解析は、化学反応を合理的に設計するために欠かせません。そのため、最先端の機械学習手法を用いてデータと理論を最大限に活用し、非常に複雑な化学反応の性質を明らかにできるようにしたいと考えています。それが、不確定要素のモデリングや、ターゲットとなる生成物や反応条件の予測、決定因子に関する新しい知識の抽出、更には理論駆動型、知識駆動型、およびデータ駆動型の予測の統合につながると考えています。

研究に対する思い

機械学習は、いくつもの科学的問題に適用できる一種のメタサイエンスであり、私たち人間がどのように物事を学習するかとも深く関係しているように思います。 しかし、人間の学習プロセスも明確に説明するのは困難です。そのため、機械に明示的に学習をさせたり、新しい事を発見させたりすること自体とても挑戦的な課題ですが、同時にとても面白い課題だと考えています。

MANABIYAコースの研修内容はこちらです。MANABIYA全般について詳しく知りたい方は、こちらをクリックしてください

代表的な研究成果

  • Toward effective utilization of methane: machine learning prediction of adsorption energies on metal alloys
    Toyao T, Suzuki K, Kikuchi S, Takakusagi S, Shimizu K, Takigawa I. J. Phys. Chem. C, 2018, 122 (15): 8315-8326
    DOI : 10.1021/acs.jpcc.7b12670
  • Generalized sparse learning of linear models over the complete subgraph feature set
    I Takigawa, H Mamitsuka, IEEE Trans. Pattern Anal. Mach. Intell. 2017, 39 (3): 617-624
    DOI : 10.1109/TPAMI.2016.2567399
  • Machine-learning prediction of d-band center for metals and bimetals
    I Takigawa, K Shimizu, K Tsuda, S Takakusagi, RSC Adv. 2016, 6: 52587-52595
    DOI : 10.1039/C6RA04345C
  • MED26 regulates the transcription of snRNA genes through the recruitment of little elongation complex
    H Takahashi, I Takigawa, M Watanabe, D Anwar, M Shibata, C Tomomori-Sato, S Sato, A Ranjan, C W Seidel, T Tsukiyama, W Mizushima, M Hayashi, Y Ohkawa, J W Conaway, R C Conaway, S Hatakeyama, Nat. Commun. 2015, 6 (5941)
    DOI : 10.1038/ncomms6941
  • Efficiently mining δ-tolerance closed frequent subgraphs
    I Takigawa, H Mamitsuka, Machine Learning, 2011, 82 (2): 95-121
    DOI : 10.1007/s10994-010-5215-6

業績一覧

2019年

  • Linear Correlations Between Adsorption Energies and HOMO Levels for the Adsorption of Small Molecules on TiO2 Surfaces
    T. Kamachi, T. Tatsumi, T. Toyao, Y. Hinuma, Z. Maeno, S. Takakusagi, S. Furukawa, I. Takigawa, K. Shimizu, J. Phys. Chem. C, 2019, 123, 20988-20997
    DOI: 10.1021/acs.jpcc.9b05707
  • Statistical Analysis and Discovery of Heterogeneous Catalysts Based on Machine Learning from Diverse Published Data
    K. Suzuki, T. Toyao, Z. Maeno, S. Takakusagi, K. Shimizu, I. Takigawa, Chemcatchem, 2019, 11, 4537-4547
    DOI: 10.1002/cctc.201900971