グラフニューラルネットワークによる有機遷移金属反応の機械学習

使用图神经网络进行有机过渡金属反应的机器学习

• 批准号: 21K12027
• 负责人: 安田 耕二
• 金额: $ 1.91万
• 依托单位: Nagoya University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for Scientific Research (C)
• 财政年份: 2021
• 资助国家: 日本
• 起止时间: 2021-04-01 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/grant/KAKENHI-PROJECT-21K12027/
• 关键词: 機械学習; 化学情報学; 反応予測; 有機遷移金属; 化学反応; 量子化学

グラフニューラルネットワークを用いて遷移金属触媒反応を予測する研究は、おおむね順調に進み、95%以上の精度で反応を予測できた。素反応を学習対象に選んだこと、化学的に意味のあるネットワーク構造を選んだことが良かったと理解している。この結果を日本コンピュータ化学会秋季年会で発表した。また同学会の論文誌に投稿し、acceptされた。金属により官能基や反応場所に好みがあるが、それが予測結果に正しく反映されていた。ニューラルネットが見つけた潜在表現は、適切な主成分分析で理解できるものだった。反応式中での役割に応じて部分構造がクラスター化されるようだった。他方directing groupや特別な配位子が重要なC-H活性化反応の予測精度は、他より低くなった。既存の研究は、鈴木反応やHeck反応など個々の反応に焦点を絞り、詳細な条件を機械学習している。それに対し本研究では、既知の反応を幅広くカバーし、他方詳細な反応条件は反映しておらず、相補的と言える。また化学反応の機械学習では、実験で得られたデータを一般に用いるため、入手やコストに問題がある。将来は、量子化学計算で反応データを追加するようになると思われるが、その際には素反応が学習単位となる。我々が実験データから作成した素反応データベースは、その出発点になり得る。更に、量子化学計算で反応データを自動生成するには、出発物の反応しそうな場所を選ぶ必要がある。我々の機械学習モデルは、このようなデータの自動生成にも適していると思われる。

グ ラ フ ニ ュ ー ラ ル ネ ッ ト ワ ー ク を with い て migration metal catalyst against 応 を be す る research は, お お む ね shun に into み, more than 95% の precision で anti 応 を be で き た. Element against 応 を learning like に seaborne choose ん だ こ と, chemical に mean の あ る ネ ッ ト ワ ー ク tectonic を choose ん だ こ と が good か っ た と understand し て い る. The <s:1> <s:1> results を the Japan コ コ ピュ ピュ タ タ タ the Japan chemical society 's autumn annual meeting で presented the た た. Youdaoplaceholder0 alumni association また Journal of Papers に submission, acceptされた. Metal に よ り functionality や excellent 応 places に み が あ る が, そ れ に が to the measurement results are し く reflect さ れ て い た. ニ ュ ー ラ ル ネ ッ ト が see つ け た は potential performance, appropriate な pca で understand で き る も の だ っ た. In the inverse 応 equation, the で is used to cut the に応じて part of the structure が ラスタ ラスタ 応 to されるようだった. The other directing groupや particularly な coordination sites が important なC-H activation reaction 応 <s:1> pre-measurement accuracy, he よ <s:1> <s:1> lower くなった. Existing の research は, suzuki 応 や Heck the 応 な ど a 々 の anti 応 に focus を ground り conditions, detailed な を rote learning し て い る. そ れ に し seaborne this study で は, both know の 応 を picture hiroo く カ バ ー し, other detailed な は 応 conditions reflect し て お ら ず, phase of と said え る. ま た chemical anti 応 の rote learning で は, be 験 で have ら れ た デ ー タ を general に い る た め, starting with や コ ス ト に problem が あ る. Future は, quantum chemistry calculation で 応 デ ー タ を additional す る よ う に な る と think わ れ る が, そ の interstate に は element against 応 が learning 単 と な る. I 々 が be 験 デ ー タ か ら made し た element against 応 デ ー タ ベ ー ス は, そ の に 発 point な り る. More に, quantum chemistry calculation で 応 デ ー タ を automatically generated す る に は, out 発 content の 応 し そ う を choose ぶ な places necessary が あ る. I 々 <s:1> machine learn モデ モデ モデ われる, <s:1>, <s:1>, ようなデ, タ and タ to automatically generate に に suitable <s:1>, て, ると and ると ideas われる.

项目成果

Learning Organo-Transition Metal Catalysis Using Graph Neural Networks

使用图神经网络学习有机过渡金属催化

• 发表时间: 2021
• 作者: Motoji Sakai;Mitsunori Kaneshige;Koji Yasuda
• 通讯作者: Koji Yasuda

グラフニューラルネットワークを活用した有機遷移金属触媒反応の学習

使用图神经网络学习有机过渡金属催化反应

• 发表时间: 2021
• 作者: 田村明人;北村拓也;酒井基至，金重光典，安田耕二
• 通讯作者: 酒井基至，金重光典，安田耕二

グラフニューラルネットワークによる有機遷移金属反応の学習

使用图神经网络学习有机过渡金属反应

• 发表时间: 2022
• 作者: 酒井基至;金重 光典;安田耕二
• 通讯作者: 安田耕二