データ駆動型探索による次世代多孔質材料の開発

• Project/Area Number: 21K12015
• Research Category: Grant-in-Aid for Scientific Research (C)
• Allocation Type: Multi-year Fund
• Section: 一般
• Review Section: Basic Section 61030:Intelligent informatics-related
• Research Institution: Gakushuin University
• Principal Investigator: 森川 優 学習院大学, 付置研究所, 助教 (40898293)
• Co-Investigator(Kenkyū-buntansha): 申 吉浩 学習院大学, 付置研究所, 教授 (60523587) ; 山本 岳洋 兵庫県立大学, 社会情報科学部, 准教授 (70717636) ; 大島 裕明 兵庫県立大学, 情報科学研究科, 准教授 (90452317)
• Project Period (FY): 2021-04-01 – 2024-03-31
• Project Status: Granted (Fiscal Year 2022)
• Budget Amount: ¥4,160,000 (Direct Cost: ¥3,200,000、Indirect Cost: ¥960,000); Fiscal Year 2023: ¥1,170,000 (Direct Cost: ¥900,000、Indirect Cost: ¥270,000); Fiscal Year 2022: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2021: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)
• Keywords: 機械学習 / 有機金属構造体 / 金属有機構造体 / マテリアルズインフォマティクス / 第一原理計算 / カーネルメソッド

Outline of Research at the Start

次世代の多孔質材料として注目される金属有機構造体は、金属原子と有機配位子による錯体であり、優れた比表面積により、従来より遥かに高機能の触媒・イオン交換・ガス吸蔵などを実現するものと期待されている。
一方、有機分子は、分子量が大きくなるにつれ構造が著しく多様化し、従来の化学的手法のみによって、最適構造を探索することは難しくなっている。本研究では、機械学習を応用して最適な金属と有機配位子の組み合わせの候補を探索する手法を開発する。
手法の鍵となる考え方は、マッピングカーネルによる有機分子の表現である。

Outline of Annual Research Achievements

金属有機構造体は新たな吸着材量や触媒などの材料として期待されている多孔質材料である。活性炭やゼオライトのような天然の多孔性材料との違いは金属物質と有機物質の組み合わせを変更することによって任意の物質特性をもつ多孔性材料をデザイン可能である点にある。金属有機構造体の組み合わせの自由度は高く、様々な物質特性を持たせることが可能であると考えられるが、組み合わせの自由度が高いことにより狙った特性をもつ組み合わせを発見することは容易ではない。旧来の手法では総当たりで組み合わせを確かめるしかなく非常に非効率であった。
本研究では有用な特性を持つかと考えられる金属有機構造体を機械学習手法を用いて予測することを目的としている。
金属有機構造体のデータは文字列勝でかつ構造情報を含んだ複雑なデータであり、よく利用される単純な手法では結合情報を欠落させてしまうことで正しい予測
結果を得ることは非常に難しい。
現状の実績としては、金属有機構造体のデータを機械学習のアルゴリズムを用いて情報をあまり落とさない形で処理できる用に変換を行った。金属有機構造体のデータはグラフ構造であるため、現在の計算機では機械学習における予測に必要なグラフ構造同士の類似度を直接計算することは理論的に不可能なため、近似解を得る必要がある。実用的なグラフカーネルを先行文献から発見し、有機金属構造体の学習に適応できることを確認した。本年度ではさらに精度を高め、実用的な段階まで落とし込むことを目指す

Current Status of Research Progress

2: Research has progressed on the whole more than it was originally planned.

Reason

先行文献の調査によりグラフを木構造に変換せずともグラフ構造を用いたカーネルを利用できることが判明した。
実際に有機金属構造体のデータに対してグラフカーネルを適応してみたところ、ある程度の分類が行うことが可能であった。
しかし、まだ実際の実験時に利用できるほどの精度が出ていないため、来年度においても学習手法に工夫を行うことで実験時に利用可能な制度を目指す。

Strategy for Future Research Activity

ある程度の結果が得られたため、査読付き論文誌への投稿と研究会での発表を行う。
研究の推進方策としては、有機金属構造体のデータの精査を行い、さらなる精度の向上を目指す。また、各カーネル間の適応方法についても工夫の余地があると考えられるため、合わせて研究を行いたい。