权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Implementation and demonstration of active learning approach to catalyst development based on high-throughput experimentation and evidence theory

基于高通量实验和证据理论的催化剂开发主动学习方法的实施和演示

基本信息

批准号：
22KJ1482
负责人：
中野渡淳
金额：
$ 1.09万
依托单位：
Japan Advanced Institute of Science and Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2023
资助国家：
日本
起止时间：
2023-03-08 至 2024-03-31
项目状态：
已结题

项目摘要

本研究では、証拠理論を基盤とする、触媒構成要素の置換を用いて触媒性能を類推する論理ベースのアルゴリズムを開発した。証拠理論を採用したことで、不連続な事象を判断材料として、不確実性を伴ったうえで予測を行うことができる。本アルゴリズムは、目的生成物収率に対して閾値を設定し、それを超える性能を持つ触媒を”良い触媒”、そうでない触媒を”悪い触媒”、判断材料が少ない触媒を”分からない触媒”として、その三つの仮説に対して確信度を与える。ここに、良い触媒である確信度と分からない触媒である確信度に基づくサンプリング機構を追加し、触媒推薦システムとした。当研究室が保有する約５万点のメタン酸化カップリング(OCM)に関するハイスループット実験触媒データを用いてシステムを訓練した。システムから推薦される160触媒の評価が完了し、約2万点の触媒データを得た。160触媒中5触媒が20%を超える目的生成物収率を記録した。なお、OCMは1982年に発見されてから今日まで工業化水準を安定して満たす触媒は見つかっておらず、その基準は収率30％である。160触媒の評価完了段階で、悪い触媒である確信度が高い触媒から収率20％に迫る性能を持つものが発見されるという予測ミスが数件発生していることが確認された。これらの触媒は不確実確信度のみから選択されている。このような予測が発生してしまう原因として、触媒性能が低次元な元素の置換ではなく、より高次元な元素の組み合わせによって決定されている場合が考えられる。そのようなケースを予測上で漏らさないようにするために、金融取引における不正検出機構を参考にしてシステムを改良した。これに基づいて約100触媒を評価し、44％の精度でそのようなケースを予測可能になった。元のシステムの精度と合わせ、不確実性を伴ったうえで78%の確率で良い触媒を予測可能になった。

This study is based on the foundation of the theory, the replacement of the catalyst components, and the analogy of the catalyst performance. The theory of proof is based on the use of data, the judgment material of non-connected events, and the uncertainty of the nature of the data. The target product yield is the threshold value, the target product yield is the threshold value, the super performance is the catalyst, the catalyst is good, and the catalyst is good. Catalyst を"悪いcatalyst", Judgment material が小ないcatalyst を"分からないcatalyst" として, その三つの仮说に対してConfidence を and える.ここに、好いcatalyst であるConfidence と分からないcatalyst であるConfidence The base of the base is added, and the catalyst recommends the base. The laboratory maintains approximately 50,000 points of acidified chloride (OCM). Seki Hashira Hashira Catalyst Catalyst Hikaru is trained with Hikari.システムからRecommended される160 Catalyst's Review 価が Finished, about 20,000 points of Catalyst データをget's. The yield of 5 catalysts out of 160 catalysts is 20%, which exceeds the target product yield and is recorded.なお、OCMは1982に発见されてからToday's level of industrialization is を安The standard catalyst yield is 30%. 160 Catalyst's evaluation has completed the stage, and the catalyst's confidence level is high and the catalyst's yield is 20%.るPerformance をhold つものが発见されるという Prediction ミスが Several pieces of 発生していることがConfirm された. これらのcatalystはuncertaintyのみから选択されている.このようなpredictionが発生してしまうreason として、catalyst performance がlow-dimensional element のreplacement ではなく, よりHigh-dimensional element のgroup み合わせによってdetermines されているoccasionがtestえられる.そのようなケースを predicted to be on the top of で leakage らさないようにするために、金The fusion of the reference にしてシステムを Improvement した.これに本づいてApproximately 100 catalysts are evaluated and 44% of the accuracy is predicted. The accuracy of the element is the combination, the uncertainty is the companion, the accuracy is 78%, the catalyst is good, and the prediction is possible.