| Project/Area Number |
18J13695
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Research Field |
Inorganic chemistry
|
|---|
| Research Institution | Waseda University |
|---|
Principal Investigator |
藤波 美起登 早稲田大学, 理工学術院, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2018-04-25 – 2020-03-31
|
| Project Status |
Completed (Fiscal Year 2019)
|
| Budget Amount *help |
¥1,500,000 (Direct Cost: ¥1,500,000)
Fiscal Year 2019: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2018: ¥800,000 (Direct Cost: ¥800,000)
|
|---|
| Keywords | 反応予測 / 反応条件最適化 / 溶媒選択 / 機械学習 / 量子化学計算 |
|---|
| Outline of Annual Research Achievements |
本研究では、均一系金属錯体反応について、与えられた反応物から得られる生成物を予測する反応予測手法の開発およびその反応支配因子の可視化を行う。さらに、実際に実験を行う際に大きな課題となる実験条件の最適化について、適当な条件を数理的に推薦する手法を開発する。本年度は反応予測手法の改善と実験条件推薦手法のうち、溶媒選択手法の開発に取り組んだ。
量子化学的記述子を用いた反応予測手法の改善では、これまで用いた機械学習手法に代わり、近年インフォマティクス研究で高い性能を発揮している勾配ブースティング決定木を用いた。量子化学計算から得られる分子の記述子を用いた有機化学反応の予測に応用し、予測精度の改善を確認した。また、反応予測に寄与した量子化学的記述子を可視化し、理論化学の知見から考察しても妥当な根拠に基づいて反応予測が実行されていることが示された。
溶媒選択手法の開発では、溶媒の物理化学的な物性値を記述子とし、これを機械学習に適用した。実験研究室との共同研究で、均一系金属錯体触媒反応における溶媒選択を例とした評価を行った。溶媒のライブラリをクラスタリングにより分類することで最初に実験すべき溶媒を提案した。またこれらの溶媒の収率を機械学習に適用し、他の実験を行っていない溶媒に対する収率を予測した。その結果、開発した手法による予測収率は定性的に実験収率を再現した。
本年度は採用期間最終年度のため、量子化学的記述子を用いた反応予測とその反応支配因子の可視化、離散条件を含む多次元の反応条件最適化、溶媒の物理化学的表現に基づく溶媒選択手法の開発、それぞれの研究成果を査読付き原著論文として出版した。また国際会議においても研究成果を発表した。
|
| Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
