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

点击翻译按钮获取中文摘要

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。