化学における外挿探索を可能とする機械学習手法の開発と実証

• Project/Area Number: 21K18185
• Research Category: Grant-in-Aid for Challenging Research (Pioneering)
• Allocation Type: Multi-year Fund
• Review Section: Medium-sized Section 27:Chemical engineering and related fields
• Research Institution: Hokkaido University
• Principal Investigator: 鳥屋尾 隆 北海道大学, 触媒科学研究所, 准教授 (80775388)
• Co-Investigator(Kenkyū-buntansha): 瀧川 一学 京都大学, 国際高等教育院, 特定教授 (10374597)
• Project Period (FY): 2021-07-09 – 2025-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥26,000,000 (Direct Cost: ¥20,000,000、Indirect Cost: ¥6,000,000); Fiscal Year 2024: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000); Fiscal Year 2023: ¥4,940,000 (Direct Cost: ¥3,800,000、Indirect Cost: ¥1,140,000); Fiscal Year 2022: ¥7,280,000 (Direct Cost: ¥5,600,000、Indirect Cost: ¥1,680,000); Fiscal Year 2021: ¥8,840,000 (Direct Cost: ¥6,800,000、Indirect Cost: ¥2,040,000)
• Keywords: 固体触媒 / 機械学習 / 不均一系触媒 / 文献データ / 触媒インフォマティクス

Outline of Research at the Start

触媒をはじめとする材料化学研究は未だ「絨毯爆撃的なスクリーニング」から脱却できていない。研究者はこれまで、大量の実験データ・文献知・経験知を統合して、予測・仮説の形成を行ってきたが、年々増え続ける膨大なデータ・知見を咀嚼し、目的に対して適切な仮説を提供できる人材は皆無である。人知に基づく研究は限界を迎えており、データ科学の先進技術を導入して材料化学研究の在り方を刷新することが求められている。本研究では、外挿的提案を実現する機械学習モデルを開発し、既存研究の延長線上にない真に革新的な高機能触媒の創出を目指す。

Outline of Annual Research Achievements

触媒をはじめとする材料化学研究は未だ「絨毯爆撃的なスクリーニング」から脱却できていない。研究者はこれまで、大量の実験データ・文献知・経験知を統合して、予測・仮説の形成を行ってきたが、年々増え続ける膨大なデータ・知見を咀嚼し、目的に対して適切な仮説を提供できる人材は皆無である。人知に基づく研究は限界を迎えており、データ科学の先進技術を導入して材料化学研究の在り方を刷新することが求められている。本研究では、外挿的提案を実現する機械学習モデルを開発し、革新的な高機能触媒の創出に資する研究方法論の提案を目指している。
2023年度は、前年度に引き続き、文献データを用いて、外挿的提案を実現する機械学習モデルの構築を目指した。構築したモデルでは、触媒構成元素そのものを学習に使うのではなく、その特徴量(原子半径、電気陰性度、融点等)と構成比の積を予測記述子(Elemental Descriptor)として用いることで、元々のデータセットに含まれている元素に縛られることなく有望な触媒候補元素を提案することが可能である。また、実際の触媒組成を提案する逆問題を解くためのアルゴリズムも作成・改良し、新触媒の提案も行った。提案された新触媒の触媒性能の妥当性も、データ科学的な手法を用いて評価した。文献データについては、水性ガスシフト反応やメタン酸化的カップリング反応に加えて、バイオマス変換反応についても扱っている。

Current Status of Research Progress

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

Reason

外挿的な触媒予測を行う機械学習モデルを構築し、すでに外部発表を行っている。様々な反応系・データセットにおいても機能することを確認しており、順調に進んでいる。

Strategy for Future Research Activity

触媒分野においては特に、データ数が少なく、データの偏りが存在するデータセットを活用するデータ科学的手法が求められている。また、単に性能の良い触媒を提案するだけでなく、触媒の価格や構成元素の地殻埋蔵量といった元素戦略を踏まえた新触媒の提案も求められている。これらを考慮した新手法の開発を目指す。

Research Products

• [Journal Article] Influence of temperatures and loadings on olefin diffusion in MFI-type zeolites in one- to three-dimensions (2024)
  • Author(s): Tong Jiahuan、Miyakage Takumi、Toyao Takashi、Shimizu Ken-ichi
  • Journal Title: Catalysis Science & Technology Volume: 14 Issue: 7 Pages: 1902-1910
  • DOI: 10.1039/d3cy01590d
  • Peer Reviewed
• [Journal Article] Accelerated discovery of multi-elemental reverse water-gas shift catalysts using extrapolative machine learning approach (2023)
  • Author(s): Wang Gang、Mine Shinya、Chen Duotian、Jing Yuan、Ting Kah Wei、Yamaguchi Taichi、Takao Motoshi、Maeno Zen、Takigawa Ichigaku、Matsushita Koichi、Shimizu Ken-ichi、Toyao Takashi
  • Journal Title: Nature Communications Volume: 14 Issue: 1 Pages: 5035-5035
  • DOI: 10.1038/s41467-023-41341-3
  • Peer Reviewed / Open Access
• [Journal Article] Understanding and controlling the formation of surface anion vacancies for catalytic applications (2022)
  • Author(s): Mine Shinya、Toyao Takashi、Hinuma Yoyo、Shimizu Ken-ichi
  • Journal Title: Catalysis Science & Technology Volume: 12 Issue: 8 Pages: 2398-2410
  • DOI: 10.1039/d2cy00014h
  • Peer Reviewed
• [Journal Article] Machine Learning Analysis of Literature Data on the Water Gas Shift Reaction Toward Extrapolative Prediction of Novel Catalysts (2022)
  • Author(s): Mine Shinya、Jing Yuan、Mukaiyama Takumi、Takao Motoshi、Maeno Zen、Shimizu Ken-ichi、Takigawa Ichigaku、Toyao Takashi
  • Journal Title: Chemistry Letters Volume: 51 Issue: 3 Pages: 269-273
  • DOI: 10.1246/cl.210645
  • Peer Reviewed
• [Journal Article] Analysis of Updated Literature Data up to 2019 on the Oxidative Coupling of Methane Using an Extrapolative Machine‐Learning Method to Identify Novel Catalysts (2021)
  • Author(s): Mine Shinya、Takao Motoshi、Yamaguchi Taichi、Toyao Takashi、Maeno Zen、Hakim Siddiki S. M. A.、Takakusagi Satoru、Shimizu Ken‐ichi、Takigawa Ichigaku
  • Journal Title: ChemCatChem Volume: 13 Issue: 16 Pages: 3636-3655
  • DOI: 10.1002/cctc.202100495
  • Peer Reviewed
• [Presentation] データ科学を利用した固体触媒開発 (2023)
  • Author(s): 鳥屋尾隆
  • Organizer: 第132回触媒討論会
  • Invited
• [Presentation] データサイエンス・デジタル技術の進展と固体触媒開発 (2022)
  • Author(s): 鳥屋尾隆
  • Organizer: 光機能材料研究会第 87 回講演会 「データサイエンス・デジタル技術と触媒・機能材料研究開発」
  • Invited
• [Presentation] データ駆動型固体触媒設計 (2022)
  • Author(s): 鳥屋尾隆
  • Organizer: 第130回触媒討論会
  • Invited
• [Presentation] キャタリストインフォマティクスの最前線 (2022)
  • Author(s): 鳥屋尾隆
  • Organizer: 日本化学会第102春季年会
  • Invited
• [Presentation] Application of data science to heterogeneous catalysis research (2021)
  • Author(s): 鳥屋尾隆
  • Organizer: 2021 Nankai International Symposium on Catalysis
  • Int'l Joint Research / Invited
• [Presentation] 外挿的探索を可能にする機械学習モデルを用いた新規触媒探索 (2021)
  • Author(s): 向山拓実 ・ 峯真也 ・ 鳥屋尾隆 ・ 前野禅 ・ 高草木達 ・ 瀧川一学 ・ 清水研一
  • Organizer: 第129回 触媒討論会
• [Presentation] Statistical Analysis and Identification of Heterogeneous Catalysts Using Extrapolative Machine Learning Model Based on Published Data (2021)
  • Author(s): 鳥屋尾隆
  • Organizer: MRM2021
  • Invited
• [Presentation] Towards Development of Novel Heterogeneous Catalysts Using Extrapolative Machine Learning Methods (2021)
  • Author(s): 鳥屋尾隆
  • Organizer: AIChE Annual Meeting 2021
  • Int'l Joint Research / Invited