Data-Driven Descriptor Generation and its Application to Prediction of Organic Synthetic and Catalytic Reactions

2022 Fiscal Year Final Research Report

• Project/Area Number: 20H02747
• Research Category: Grant-in-Aid for Scientific Research (B)
• Allocation Type: Single-year Grants
• Section: 一般
• Review Section: Basic Section 33020:Synthetic organic chemistry-related
• Research Institution: National Institute of Advanced Industrial Science and Technology
• Principal Investigator: Yada Akira 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): 2020-04-01 – 2023-03-31
• Keywords: 機械学習 / 転移学習 / 有機合成 / 触媒

Outline of Final Research Achievements

In this research project, the development of a new methodology to build a machine learning model for predicting organic reactions and catalytic reactions with high predictive performance for a small number of data is conducted. Thus, a machine learning model using a graph neural network (GNN) which correlates the information of organic compounds (input) and the calculated values of quantum chemistry (output) is constructed. It is clarified that the final layer of this machine learning model can be extracted and used as an input for predictive models such as the reaction yield and selectivity of catalytic reactions. In addition, the construction of a unique database of organic compounds that can be used in this methodology is performed and finally succeeded in constructing a database which includes approximately 6,000 organophosphorus compounds.

Free Research Field

有機合成化学

Academic Significance and Societal Importance of the Research Achievements

本研究成果は、コストや時間が掛かる実験を実施しなければデータが収集できない実験科学において、少数のデータでも予測性能の高い機械学習モデルを構築するための方法論を提供するものである。大量のデータが収集できない分野は多岐に渡ると考えられ、本研究技術はそのような分野にも波及して幅広く応用されることが期待され、学術的および社会的意義は大きいと考えている。また、有機合成化学・触媒化学分野においても、新たなAIの活用方法を提供することで、新しい原理・原則の発見と化学の進歩につながると同時に、本研究代表者が目指す触媒の自動発見に向けて大きく前進すると期待している。