実験計画法と機械学習の相乗効果によるドメイン専門知識の強化（2024-EU-30MP-1615）本研究の目的は、3種類の原料の単純混合物を実験計画法（DOE）を用いて検討し、価格、粘度、および様々な条件（温度）における安定性の観点から特性評価を行うことでした。事前モデルの構築が困難であること、および配合に不安定な領域が存在する可能性があり、DOEの成功とその後の結果分析に支障をきたす可能性があるため（不安定化が発生した場合、測定可能な反応が得られない）、除外領域を含む空間充填計画法を実施しました。まず、異なる機械学習型モデル（SVM、ガウス過程）を用いてモデリングを行いましたが、粘度の欠損値（例：粘度が低すぎる、または一部の配合が不安定）により、実験空間の特定の領域が適切に記述されませんでした。ドメイン専門知識からの情報と、K近傍法によるローカルデータ補完法の助けを借りて、モデリングが修正され、満足のいく結果が得られました。これにより、実験空間のより優れた表現と理解が得られ、有望な製剤候補の特定が可能になりました。
高度な統計モデリング実験計画法
