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 |
|---|
第 1 日
15:00～ 15:20 | G119 | 溶媒和抽出にて極性に基づく予測を超えたAu(III)抽出能力を示す新規溶媒の開発
| Extraction
Gold
Ion solvation
| 4-f | 325 |
|---|
第 2 日
11:00～ 11:20 | I207 | [注目講演] 機械学習を用いたオレフィンメタセシスの反応性予測
| machine-learning
olefin metathesis
catalytic reaction
| 6-d | 69 |
|---|
第 2 日
11:20～ 11:40 | E208 | 無次元数を用いた種々のマイクロ波照射条件での温度分布の予測
| microwave
dimensionless number
local heating
| 3-a | 192 |
|---|
第 2 日
12:45～ 13:05 | A212 | [技術賞] DEMによるセルロース非晶質化度予測技術の開発とセルロース乾式非晶化プロセスの工業化
| The SCEJ Award for Outstanding Technological Development
| 0-d | 776 |
|---|
第 2 日
13:20～ 14:20 | PC227 | 卓上錠剤製造のための粉体物性に基づく品質・製造性予測モデル
| Personalized medicine
Process operation
Statistical model
| 6-a | 395 |
|---|
第 2 日
14:20～ 15:20 | PC216 | 実生産打錠プロセスにおける打錠障害発生予測手法の開発
| powder compaction
capping
tableting
| 2-f | 576 |
|---|
第 3 日
9:00～ 9:20 | H301 | 空間・時間的周期性を持つ流路におけるポアンカレ写像に基づく数値計算的混合予測
| Oscillatory flow
Laminar mixing
Poincare map
| 2-b | 216 |
|---|
第 3 日
9:20～ 10:20 | PD303 | 流動計測支援型レオメータを用いた複雑流体の管内流れ予測
| Rheology
Flow prediction
Pipe flow
| 1-a | 113 |
|---|
第 3 日
9:20～ 10:20 | PD311 | Hansenパラメータを入力とした機械学習によるナノ粒子分散性の予測
| Hansen solubility parameter
nanoparticle dispersion
machine learning
| 1-b | 486 |
|---|
第 3 日
9:20～ 10:20 | PD333 | バイオオイル／重質油混合接触分解における機械学習を用いた生成物組成予測
| bio-oil
co-processing
machine learning
| 5-a | 539 |
|---|
第 3 日
9:20～ 10:20 | PD377 | 触媒におけるニューラルネットワークの転移学習によるエネルギー予測
| Neural Networks
energy prediction for catalyst
transfer learning
| 5-a | 655 |
|---|
第 3 日
9:40～ 10:00 | E303 | 建物内人間活動情報を含む高次元エネルギーデータを用いた電力需要予測モデルの提案
| distributed energy sysyem
demand forecasting
high dimensional data
| 9-e | 527 |
|---|
第 3 日
10:00～ 10:20 | E304 | 影を含む太陽電池発電量のリアルタイム予測モデルと電力市場インバランスコストの試算
| Energy system
Solar cell
Electricity market
| 9-e | 615 |
|---|
第 3 日
10:00～ 10:20 | H304 | ブロック因子を導入した分散分析とPLSによる混合工程の医薬品有効成分濃度予測
| NIR Spectrum
Block factor
API concentration prediction
| 2-b | 146 |
|---|
第 3 日
10:20～ 11:20 | PD302 | [登壇せず] イオン液体非水溶液の混合熱力学物性予測のための統計熱力学シミュレーションの簡便補正法
| non aqueous solutions of ionic liquids
ab initio simulations
intermolecular interaction
| 1-a | 457 |
|---|
第 3 日
11:00～ 11:20 | I307 | ジペプチド物性データ解析によるLC溶出時間の予測
| peptide
LC-MS/MS
machine learning
| 7-h | 450 |
|---|
第 3 日
13:05～ 13:55 | R302 | [依頼講演] 人工ニューラルネットワークによるPeng-Robinson状態方程式の相互作用パラメータ予測
| Peng-Robinson EoS
Artificial neural network
| HQ-21 | 361 |
|---|
第 3 日
13:40～ 14:20 | B315 | [依頼講演] ユーザによる石油・化学の劣化メカニズム予測AI開発
| AI
Decision Tree
Damage Mechanism Prediction
| SS-5 | 333 |
|---|
第 3 日
14:00～ 14:20 | F316 | 転移学習を用いた触媒性能予測モデルの開発
| materials informatics
catalysis informatics
transfer learning
| 5-a | 223 |
|---|
第 3 日
16:00～ 17:30 | Q304 | [依頼講演] ユーザによる石油・化学の劣化メカニズム予測AI開発
| AI
Decision Tree
Damage Mechanism Prediction
| SS-7 | 338 |
|---|
(C) 2023 公益社団法人化学工学会 The Society of Chemical Engineers, Japan. All rights reserved.
www3.scej.org