|
所属 |
理学部 化学科 |
|
職名 |
教授 |
|
外部リンク |
|
出身大学院 【 表示 ／ 非表示 】
-
京都大学 工学研究科 石油化学専攻 博士課程 修了
- 1984年03月
国名：日本国
-
京都大学 工学研究科 石油化学専攻 修士課程 修了
- 1981年03月
国名：日本国
学外略歴 【 表示 ／ 非表示 】
-
明治大学 明治大学理工学部 講師
2009年04月 - 2023年03月
国名：日本国
-
立教大学 講師
2002年04月 - 2006年03月
-
ATR適応コミュニケーション研究所 主任研究員
2001年10月 - 2002年03月
-
ATR環境適応通信研究所 主任研究員
1999年01月 - 2001年09月
-
立教大学 講師
1997年04月 - 1998年03月
所属学協会 【 表示 ／ 非表示 】
-
日本コンピュータ化学会
1998年04月 - 現在
-
アメリカ化学会
1996年04月 - 現在
-
応用物理学会
1992年07月 - 1996年03月
-
日本化学会
1990年04月 - 現在
研究経歴 【 表示 ／ 非表示 】
-
分子軌道法と機械学習による分子物性の予測
その他の研究制度
研究期間： 2017年04月 - 現在
-
分子軌道法を用いたナノマテリアル内での化学反応に関する研究
受託研究
研究期間： 2008年12月 - 2014年03月
-
分子内プロトン移動反応に関する理論的研究
共同研究
研究期間： 2008年04月 - 2013年03月
-
高次元アルゴリズムによる分子構造最適化の研究
その他の研究制度
研究期間： 2004年04月 - 現在
論文 【 表示 ／ 非表示 】
-
Prediction of pharmacological activity by machine learning using molecular orbital energy as an explanatory variable 招待あり 査読あり
23 ( 3 ) 80 - 83 2025年01月
担当区分：筆頭著者, 責任著者 記述言語：日本語 掲載種別：研究論文（学術雑誌）
We constructed a mathematical model to predict the 2,2-diphenyl-1-picrylhydrazyl (DPPH) free radical scavenging capacity (IC50) for recently synthesized ferulic acid derivatives by machine learning with molecular orbital energy as an explanatory variable and IC50 as an objective variable. We compared 96 regression models including xgbLinear and neuralnet included in R/caret package. We were able to construct IC50 prediction models for these new ferulic acids by using xgbLinear, M5, ppr, and neuralnet as regression methods.
-
Prediction of log P Parameter Using Molecular Orbital Energies and Machine Learning 招待あり 査読あり
Hiroyuki Teramae
22 ( 2 ) 34 - 36 2024年02月
担当区分：筆頭著者, 責任著者 記述言語：日本語 掲載種別：研究論文（学術雑誌）
Octanol/water partition coefficient, log P, is an important parameter in classical QSAR. The new method using machine learning which we propose uses only the molecular orbital energy as an explanatory variable and does not include log P. Therefore, since the log P value can be predicted using the molecular orbital energy, we speculated that log P may not be necessary as a result if sufficient number of molecular orbital energies would be given as parameters.
-
Prediction of Entropy by Machine Learning with Molecular Orbital Energies 招待あり 査読あり
Takafumi Yuuki, Wakana Nakahara, Hiroyuki Teramae
22 ( 2 ) 31 - 33 2024年02月
担当区分：責任著者 記述言語：日本語 掲載種別：研究論文（学術雑誌）
The values of the entropy of 148 small organic molecules have been estimated by machine learning with only molecular orbital energies as the explanatory variables. Out of 148 molecules, we used 104 molecules for the training set and 44 molecules for the test set. We used 139 regression methods of R/caret packege for machine learning. We evaluated values by RMSE (Root Mean Squared Error) and R² (coefficient of determination). From those evaluation, xgbLinear (eXtreme Gradient Boosting) and RRFglobal (Regularized Random Forest) are considered better than other regression methods. It has been proved that the entropy can be predicted by the molecular orbital energies only.
-
Machine Learning Study of Antioxidant Effects with Molecular Orbital Energies as Explanatory Variables 招待あり 査読あり
Hiroyuki Teramae, Meiyan Xuan, Jun Takayama, Mari Okazaki, Takeshi Sakamoto
21 ( 4 ) 103 - 105 2023年04月
担当区分：筆頭著者, 責任著者 記述言語：日本語 掲載種別：研究論文（学術雑誌）
The values of the internuclear distances and the dipole moments of 14 small molecules have been estimated by machine learning with only molecular orbital energies as the explanatory variables. We use four regression methods, partial least square (PLS), random forest (RF), Radial Basis Function Kernel Regularized Least Squares (krlsRadial), and Baysian Regularized Neural Networks (BRNN) and we report only BRNN results for the internuclear distances, and PLS results for the dipole moments. The coefficients of determination for the internulear distances and the dipole moments are 0.9318 and 0.7265, respectively. It has been proved that the internuclear distances and the dipole moments can be predicted by the molecular orbital energies only.
-
Prediction of molecular properties with machine learning and molecular orbital energies 招待あり 査読あり
Hiroyuki Teramae, Meiyan Xuan, Jun Takayama, Mari Okazaki and Takeshi Sakamoto
AIP Conference Proceedints 2611 02007 2022年11月
担当区分：筆頭著者, 責任著者 記述言語：英語 掲載種別：研究論文（国際会議プロシーディングス）
The prediction by the machine learning using molecular orbital energies as an explanatory variable is attempted to predict the strength of anxiolytics, anti-anxiety, and muscle relaxant of benzodiazepine anxiolytics. We also attempt to predict half-life of concentration in the body T1/2, and time to reach maximum body concentration Tmax of benzodiazepine anxiolytics with the same procedure. The molecular orbital calculations are performed at 6-31G(d, p) level and random forest is used as regression method. The number of molecular orbitals is varied from 2 to 20 and it is found that 4 or 6 is almost sufficient for the prediction of these 5 objective variables. Finally, the predictions of five properties in the present study are fairly well agreed with the experiments by machine learning employing the molecular orbital energies as the only explanatory variables.
書籍等出版物 【 表示 ／ 非表示 】
-
ケモインフォマティクスにおける データ収集の最適化と解析手法
寺前裕之（ 担当： 分担執筆 , 範囲： 第4章第1節ケモインフォマティクスにおける機械学習モデルの種類と具体的活用法）
技術情報協会 2023年04月 （ ISBN:978-4-86104-944-6 ）
総ページ数：657 担当ページ：209-217 記述言語：日本語 著書種別：学術書
-
マテリアルズ・インフォマティクスQ&A集
金子昌弘、船津公人,寺前裕之 他（ 担当： 共著 , 範囲： 第８章第３節問４）
情報機構 2020年12月 （ ISBN:978-4-86502-204-9 ）
総ページ数：597 担当ページ：516-518 記述言語：日本語 著書種別：学術書
マテリアルズ・インフォマティクスの導入・運用時に生じる数々の疑問をQ&A形式で具体的に解消
-
導電性材料をめぐる最近の動向
寺前裕之（ 担当： 単著）
材料技術研究協会 1992年04月
記述言語：日本語 著書種別：学術書
-
ポリアセチレンの電子構造
山邊時雄，寺前裕之（ 担当： 単著 , 範囲： 主要部分の執筆）
化学同人 1985年04月
記述言語：日本語 著書種別：学術書
MISC 【 表示 ／ 非表示 】
-
機械学習と化学の関わり 招待あり
寺前 裕之
埼玉新聞 2022年03月
記述言語：日本語 出版者・発行元：埼玉新聞社
情報科学研究室で行っている、機械学習の化学への応用例について解説した。
-
PubChem のデータを用いた分子座標の作成‐データベースを用いてGaussian16 の入力ファイルを作成する方法 ‐
寺前裕之
城西情報科学研究 29 15 - 26 2022年03月
担当区分：筆頭著者, 最終著者 記述言語：日本語 掲載種別：速報，短報，研究ノート等（大学，研究機関紀要）
-
計算化学汎用プログラム 分子設計統合ソフト HyperChem
寺前裕之
PETROTECH 30 ( 5 ) 346 - 350 2007年01月
記述言語：日本語 掲載種別：記事・総説・解説・論説等（国際会議プロシーディングズ） 出版者・発行元：（石油学会）
講演・口頭発表等 【 表示 ／ 非表示 】
-
Prediction of pharmacologicalactivity by machine learning usingmolecular orbital energy as anexplanatory variable 国際会議
Hiroyuki Teramae
ICCMSE2024 2024年09月
開催年月日： 2024年09月
記述言語：日本語 会議種別：口頭発表（招待・特別）
開催地：Greece
-
分子軌道エネルギーと機械学習による新規フェルラ酸誘導体のラジカル消去能の予測
寺前 裕之, 三浦 優太, 色摩 光一,玄 美燕, 高山 淳, 岡﨑 真理, 坂本武史
第18回分子科学討論会（京都）
開催年月日： 2024年09月
記述言語：日本語 会議種別：口頭発表（一般）
開催地：京都
-
説明変数に分子軌道エネルギーのみを用いた機械学習によるエントロピーの予測
結城 敬史, 寺前 裕之
日本コンピューター化学会2024年春季年会
開催年月日： 2024年06月
記述言語：日本語 会議種別：ポスター発表
開催地：東京
-
機械学習による分子軌道エネルギーのみを説明変数としたエントロピーの予測
結城敬史、寺前裕之
日本コンピュータ化学会2023年秋季年会 2023年11月 日本コンピュータ化学会
開催年月日： 2023年11月
記述言語：日本語 会議種別：ポスター発表
開催地：東京 国名：日本国
-
分子軌道エネルギーを用いた機械学習によるlogPの予測
寺前裕之
分子科学討論会2023 2023年09月
開催年月日： 2023年09月
記述言語：日本語 会議種別：口頭発表（一般）
開催地：大阪 国名：日本国