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

点击翻译按钮获取中文摘要

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。