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

化学における外挿探索を可能とする機械学習手法の開発と実証

开发和演示能够在化学中进行外推搜索的机器学习方法

基本信息

批准号：
21K18185
负责人：
鳥屋尾隆
金额：
$ 16.64万
依托单位：
Hokkaido University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Challenging Research (Pioneering)
财政年份：
2021
资助国家：
日本
起止时间：
2021-07-09 至 2025-03-31
项目状态：
未结题

项目摘要

触媒をはじめとする材料化学研究は未だ「絨毯爆撃的なスクリーニング」から脱却できていない。研究者はこれまで、大量の実験データ・文献知・経験知を統合して、予測・仮説の形成を行ってきたが、年々増え続ける膨大なデータ・知見を咀嚼し、目的に対して適切な仮説を提供できる人材は皆無である。人知に基づく研究は限界を迎えており、データ科学の先進技術を導入して材料化学研究の在り方を刷新することが求められている。本研究では、外挿的提案を実現する機械学習モデルを開発し、革新的な高機能触媒の創出に資する研究方法論の提案を目指している。次年度は、初年度に引き続き、文献データを用いて、外挿的提案を実現する機械学習モデルの構築を目指した。構築したモデルでは、触媒構成元素そのものを学習に使うのではなく、その特徴量(原子半径、電気陰性度、融点等)と構成比の積を予測記述子(Elemental Descriptor)として用いることで、元々のデータセットに含まれている元素に縛られることなく有望な触媒候補元素を提案することが可能である。また、実際の触媒組成を提案する逆問題を解くためのアルゴリズムも作成し、新触媒の提案にも挑戦した。提案された新触媒の妥当性も、データ科学的な手法を用いて評価した。予測だけでなく、機械学習モデルから化学的/物理的な示唆を得ることにも挑戦し、いくつかの新しい手法を試した。対象系における性能制御因子(記述子)の重要度を可視化することで、触媒作用機構や反応機構に関する知見を得た。

The study of catalyst and material chemistry has not been divided into "carpet explosion" and "separation". The researchers are responding to the demand, a large number of documents, knowledge, integration, prediction, theory formation, development, expansion, knowledge, understanding, purpose, and appropriate theory, and providing no talent. Human knowledge, basic research, and the introduction of advanced science and technology into the field of material chemistry research This study aims to develop a research methodology for the development of mechanical learning and innovative high-performance catalysts. In the next year, the first year, the first year, the second year, the first year, the first year, the Element Descriptor (Elemental Descriptor): Element of catalyst constituent element (Elemental Descriptor) To solve the problem of catalyst composition, to create a new catalyst The new catalyst is proposed to be appropriate and scientific. Prediction, mechanical learning, chemical/physical learning, and new techniques Visualize the importance of performance control factors (descriptors) in the image system, and understand the relationship between catalytic mechanisms and reaction mechanisms.

项目成果

期刊论文数量（0）

专著数量（0）

科研奖励数量（0）

会议论文数量（0）

专利数量（0）

Statistical Analysis and Identification of Heterogeneous Catalysts Using Extrapolative Machine Learning Model Based on Published Data

基于已发表数据的外推机器学习模型对异质催化剂进行统计分析和识别

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
Mine Shinya;Takao Motoshi;Yamaguchi Taichi;Toyao Takashi;Maeno Zen;Hakim Siddiki S. M. A.;Takakusagi Satoru;Shimizu Ken‐ichi;Takigawa Ichigaku;鳥屋尾隆;鳥屋尾隆;鳥屋尾隆;鳥屋尾隆;向山拓実・峯真也・鳥屋尾隆・前野禅・高草木達・瀧川一学・清水研一;鳥屋尾隆
通讯作者：
鳥屋尾隆

外挿的探索を可能にする機械学習モデルを用いた新規触媒探索

使用支持外推搜索的机器学习模型来搜索新的催化剂

DOI：
发表时间：
2021
期刊：
影响因子：
0
作者：
向山拓実・峯真也・鳥屋尾隆・前野禅・高草木達・瀧川一学・清水研一
通讯作者：
向山拓実・峯真也・鳥屋尾隆・前野禅・高草木達・瀧川一学・清水研一

データサイエンス・デジタル技術の進展と固体触媒開発

数据科学/数字技术和固体催化剂开发的进展

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
Mine Shinya;Takao Motoshi;Yamaguchi Taichi;Toyao Takashi;Maeno Zen;Hakim Siddiki S. M. A.;Takakusagi Satoru;Shimizu Ken‐ichi;Takigawa Ichigaku;鳥屋尾隆
通讯作者：
鳥屋尾隆

データ駆動型固体触媒設計

数据驱动的固体催化剂设计

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
Mine Shinya;Takao Motoshi;Yamaguchi Taichi;Toyao Takashi;Maeno Zen;Hakim Siddiki S. M. A.;Takakusagi Satoru;Shimizu Ken‐ichi;Takigawa Ichigaku;鳥屋尾隆;鳥屋尾隆
通讯作者：
鳥屋尾隆

キャタリストインフォマティクスの最前線

催化剂信息学前沿

DOI：
发表时间：
2022
期刊：
影响因子：
0
作者：
Mine Shinya;Takao Motoshi;Yamaguchi Taichi;Toyao Takashi;Maeno Zen;Hakim Siddiki S. M. A.;Takakusagi Satoru;Shimizu Ken‐ichi;Takigawa Ichigaku;鳥屋尾隆;鳥屋尾隆;鳥屋尾隆
通讯作者：
鳥屋尾隆