高精度分子機能設計のための軌道相互作用解析－機械学習連携手法の開発

点击翻译按钮获取中文摘要

物質特性の高度制御には、系の電子状態の起源となる軌道間相互作用のレベルで詳細把握する必要がある。本課題では、基底関数を人為的に軌道収縮させることで軌道間相互作用をカットし定量評価できるThrough-Space/Bond（TS/TB）軌道相互作用解析法によって軌道相互作用エネルギーを獲得し、さらに蓄積した相互作用データを機械学習（ニューラルネットワーク(NN)）の中間記述子として利用することで、分子構造と分子特性の関係を軌道相互作用の観点から理解可能となるよう手法開発を進める。これにより、電子状態の起源まで考慮した、高度な材料設計・創薬支援量子化学手法を目指している。令和4年度は、TS/TB解析法と機械学習の結合、およびその検証計算を実施した。様々な置換基を持つπ共役系分子に対して、TS/TB法により各π軌道の寄与を求め、NNによって分子構造と軌道相互作用の関係抽出に成功した。さらに、分子特性としてフロンティア軌道エネルギーを選び、軌道相互作用を中間記述子とした、分子構造－軌道相互作用－分子特性（軌道E）の3者を結びつける多段階ニューラルネットワークを構築した。その中で、特性制御のための重要相互作用の検出、複数の相互作用によるシナジー効果、物性の起源である構造因子を逆解析的に見出すための試験を行った。小規模な試験であったため予測精度が実用の観点からは十分ではなかったが、本研究課題の中心技術の構築に成功した。最終年度の令和５年度は、より大規模な試験を行い、その精度を高めるとともに、多様な系、より巨大な系への適用を可能とすることで、実用的な手法となるよう研究計画を着実に遂行していく。