2022 Fiscal Year Annual Research Report
Development of automated catalyst design methodology based on inversed analysis of predictive model
| Project Area | Digitalization-driven Transformative Organic Synthesis (Digi-TOS) |
|---|
| Project/Area Number |
21H05224
|
|---|
| Research Institution | National Institute of Advanced Industrial Science and Technology |
|---|
Principal Investigator |
矢田 陽 国立研究開発法人産業技術総合研究所, 材料・化学領域, 研究チーム長 (70619965)
|
|---|
| Co-Investigator(Kenkyū-buntansha) |
椿 真史 国立研究開発法人産業技術総合研究所, 情報・人間工学領域, 研究員 (80803874)
|
|---|
| Project Period (FY) |
2021-09-10 – 2026-03-31
|
| Keywords | 有機合成 / 触媒設計 / 機械学習 / 逆解析 / 予測モデル |
|---|
| Outline of Annual Research Achievements |
本研究課題では、革新反応開発を超加速化するための触媒設計技術を実験化学者が利活用しやすい形で提供することを目標とし、触媒自動設計システムを開発する。具体的には、(1)データ駆動型分子記述子の生成と回帰モデルの構築、(2)回帰モデルの逆解析による特徴ベクトルの生成、(3)触媒構造の生成モデル構築、(4)合成経路設計技術による候補触媒の合成可能性の判断、の4つの研究開発により各要素技術を確立し、それらをシームレスにつなぎ合わせた情報科学駆動型触媒自動設計システムの開発に取り組むものである。
昨年度はデータ駆動型分子記述子の生成に関する研究開発に取り組んだが、データ駆動型分子記述子の生成に適用できる化合物は、準備したデータセットのフレームワークの範囲内に限定されており、触媒開発に適用するためにはデータセットの拡張が重要であることがわかった。そこで今年度は量子化学計算によるデータ生成の自動化・効率化を目指した計算ワークフローの構築に取り組んだ。具体的には、化合物の3次元構造発生、配座探索、最安定構造最適化、振動計算、3次元座標と各種パラーメータ取得までの一連の流れを連続して行うためのワークフロー構築の検討を実施した。一部については連続的に自動化することに成功しており、今後はすべての作業を自動化できるようにプログラム開発の検討を進めていく。
また昨年度に続き、本領域内の他計画班および公募班との共同研究にも精力的に取り組んだ。具体的には、A01班大嶋グループ、納戸グループ、三浦グループ、およびA03班松原グループとの共同研究を実施し、不斉触媒反応の配位子設計、ニッケル／光触媒によるフェノール合成反応の予測、触媒的Anti-Markovnikov型反応の選択性予測、さらにはバッチ反応結果からフロー合成の反応条件最適化のための機械学習法に関する研究開発を推進した。
|
| Current Status of Research Progress |
Current Status of Research Progress
2: Research has progressed on the whole more than it was originally planned.
Reason
今年度は、触媒開発においてデータ駆動型分子記述子を適用するためのデータセットの拡張の自動化・効率化を目指したワークフロー開発を推進した。今年度の進捗は、本研究開発の最終目標である情報科学駆動型触媒自動設計システムの構築において極めて重要なものと位置付けられる。今年度の成果をもとにデータセットを拡張していくことで、データ駆動型分子記述子の充実が図れると共に、触媒自動設計システム構築の実現が近づくものと期待でき、さらには今後の領域研究でも大いに活用できるものであると考えている。また今年度は、領域内の他の計画班との共同研究も実施するなど、精力的に研究開発に取り組むことができた。今年度は共同研究の中から論文成果につながったものもあり、さらに他の共同研究でも次年度以降の論文化につながる成果等が着実に得られている。以上のことから、「概ね順調に進展している」と判断した。
|
| Strategy for Future Research Activity |
次年度は、今年度予定していたデータ駆動型分子記述子を用いて触媒反応の予測モデルの逆解析による開発候補となる触媒の特徴ベクトルを生成させるための技術を開発について検討を進める。所望する触媒反応の性能(y)から目的を達成する確率の高い触媒分子の特徴ベクトル(x)を推定する“直接的”逆解析法を適用することで、触媒の自動設計が可能になると期待している。一方で、既存の触媒の中から所望する性能を発揮する触媒を迅速に発見することも重要であるため、機械学習分野における最適化アルゴリズムであるベイズ最適化やガウス回帰過程等のアルゴリズムの実装と性能検証を行う予定である。
また、領域内計画班および公募班との共同研究を引き続き進めていく。それぞれの共同研究先に機械学習プログラムの提供することも検討していく予定である。
|
