機械学習を用いた実験条件最適化と離散量を含む多次元条件最適化への応用
機械学習を用いた実験条件最適化と離散量を含む多次元条件最適化への応用
复制标题
使用机器学习和包括离散量的多维条件优化在实验条件优化中的应用
DOI：
10.11546/cicsj.38.40
复制
发表时间：
2020
期刊：
影响因子：
--
通讯作者：
中井 浩巳
中科院分区：
文献类型：
--
作者：
藤波 美起登;中井 浩巳
化学実験には多数の実験条件が存在し, 所望の化学現象を実現するためには, 適当な実験条件を探索, 選択する必要がある. これを条件最適化という. 条件最適化と一口に言っても, あらゆる化学研究に内在し, その内容は化学反応からプロセスまで, スケールも実験室からプラントまで多岐にわたる [1-4]. 本稿では, その全てについて議論することは現実的でないため, 化学反応に関する反応条件最適化を取り扱う.反応条件の組み合わせは, 仮に反応物を固定した場合でも膨大で, 反応条件最適化には多くの試行錯誤を要する. その時間, 費用, 労力のコストは高く, 実験研究共通の課題と言える. そこで, 数理的な観点から, アルゴリズムに基づいて効率的かつ合理的に条件最適化を目指す研究が古くから数多く行われてきた. 近年の機械学習ブームに伴い, 機械学習を条件最適化に応用する研究も多くなってきている. 機械学習は, 多変量に対して柔軟に関数を構築できる点, また事前に関数形をあらわに定義する必要がない点から条件最適化には適していると考えられる. 一方で, 多くの反応条件が存在する中で, 機械学習を適用するに足る実験データを収集することができるかが課題になる点も明白である. 本稿では反応条件最適化について, 近年の機械学習を用いた研究例を中心に, 実験条件の数理的な観点から特徴をまとめる. また, 筆者らが取り組んだ多次元条件の反応条件最適化シミュレーションについて紹介する.