教師無し深層学習による革新有機材料の自動探索

点击翻译按钮获取中文摘要

本研究の目的は、実験化学の立場から実践性の高いマテリアルズ・インフォマティクス(MI)の方法論を創出することである。MIの手法解明と有機機能性材料の合成・計測を両輪とし、明示的な教師データを必要としない深層学習モデルの構築、実験者の暗黙知を取り込んだ物性予測、量子コンピューティング技術を活用した候補分子の探索に対する有効なアプローチを解明する。これまでの研究では、教師有り・無し機械学習や量子アニーリング技術が機能性分子の設計に有効であることを明らかにした。そこで22年度は、分子構造以外の材料情報も機械学習・量子アニーリングのフレームワークに落とし込む基礎学理の整備に注力した。具体的には、実験操作手順(フローチャート)をデータ科学の領域に接続する実践的なアルゴリズムを構築した。これまでフローチャートのような非構造化データを構造化データに変換する適切なアルゴリズムが分かっていなかった。そこで分子Fingerprint、グラフニューラルネットワーク、自然言語系ニューラルネットワークなどの手法をベースに、精度高く構造化データへ変換するために必要な因子を明確化した。上記の研究成果に基づき、実験者にとって利便性の高いマテリアルズ・インフォマティクスの基礎学理を明らかにし、得られた結果を取りまとめ、学会発表を行った。これにより、実材料、機械学習、量子計算を繋ぐ手掛かりを見いだし、既存の材料開発法のパラダイム転換に資する基礎学理を提示した。