Development of reverse design system for optimal membrane structure by JT-VAE machine learning

点击翻译按钮获取中文摘要

本研究の目的は、広大な化合物空間から最適な膜構造をサンプリングできる、JT-VAE機械学習システムを構築することである。具体的には、混合ガス分離系に対して、最適な膜構造を測定データから創造できるシステムを構築する。本年度は、高分子膜系をターゲットとして、被分離対象としては、無機ガス（CH4, CO2, He, H2, N2）を対象とした機械学習を行った。従来のJunction Treeのアルゴリズムは低分子有機物を対象としたものであるため、高分子系にも適用できるようにモノマー分子に含まれれる重合点を考慮できるようにJunction Treeのアルゴリズムを改良した。生成ものな―の精度を検証し、重合点も含めて化学的に正しい構造が高確率で生成されることを確認した。これにより、1種類のモノマーを対象としたホモポリマー型の高分子分離膜の設計が可能となった。次に、膜透過データベースに関して文献調査を行った。調査の結果、データベースとして、アメリカのPolymer GenomesとAustralasia膜学会の高分子ガス透過データベースを採用することにした。これらをベースを利用してJT-VAEに基づく膜設計システムを学習させた。まず、高分子構造データベースを利用して20万以上のモノマー構造を学習させ、さらに膜透過データベースに含まれる各種無機ガスの透過データを学習させることで、JT-VAEの潜在空間パラメータと透過データとの回帰モデルを構築することに成功した。以上より、JT-VAEから生成された仮想的な高分子膜の透過性能を予測できるようになった。