Naoto Sugisawa 研究室

AI 要約（直近 5 年の研究成果）

※ AI（Claude）が、公開されている論文要旨から研究の問い・手法・主要な発見を事実情報として抽出・再構成して自動生成しています。誤りを含む可能性があるため、正確性は研究室公式情報でご確認ください。

研究成果（21 件）

• [2025] Multi-objective reaction optimization under uncertainties using expected quantile improvement
  DOI: https://doi.org/10.1016/j.compchemeng.2024.108983
• [2025] Automated generation of mechanistic models for chemical process digital twins using reinforcement learning part I: Conceptual framework and equation generation
  DOI: https://doi.org/10.18154/rwth-2026-06613
• [2025] Automated generation of mechanistic models for chemical process digital twins using reinforcement learning part I: Conceptual framework and equation generation
  DOI: https://doi.org/10.1016/j.compchemeng.2025.109281
• [2025] Optimizing microflow sequential coupling and cyclization of multiple linear substrates guided by Bayesian optimization
  DOI: https://doi.org/10.1093/bulcsj/uoaf022
• [2024] One-Flow Syntheses of Unsymmetrical Sulfamides and N-Substituted Sulfamate Esters
• [2023] One-Flow Syntheses of Unsymmetrical Sulfamides and <i>N</i>-Substituted Sulfamate Esters
  DOI: https://doi.org/10.1021/acs.orglett.3c01546
• [2023] Multi-objective Bayesian optimisation using <i>q</i> -noisy expected hypervolume improvement ( <i>q</i> NEHVI) for the Schotten–Baumann reaction
  DOI: https://doi.org/10.1039/d3re00502j
• [2023] Peptide Cyclization by the Use of Acylammonium Species
  DOI: https://doi.org/10.1002/ange.202300647
• [2023] Rapid and column-chromatography-free peptide chain elongation <i>via</i> a one-flow, three-component coupling approach
  DOI: https://doi.org/10.1039/d3sc01333b
• [2023] Peptide Cyclization by the Use of Acylammonium Species
  DOI: https://doi.org/10.1002/anie.202300647

科研費（0 件）

まだデータがありません（KAKEN 取り込み後に表示）。

所属学会・役職（0 件）

まだデータがありません（学会データ連携後に表示）。