触媒サイクルを機械学習モデルとした触媒構造最適化プロセスの開発

• Project/Area Number: 22KJ0043
• Project/Area Number (Other): 22J00731 (2022)
• Research Category: Grant-in-Aid for JSPS Fellows
• Allocation Type: Multi-year Fund (2023); Single-year Grants (2022)
• Section: 国内
• Review Section: Basic Section 33020:Synthetic organic chemistry-related
• Research Institution: Kyoto University (2023); Hokkaido University (2022)
• Principal Investigator: 道場 貴大 京都大学, 化学研究所, 助教
• Project Period (FY): 2023-03-08 – 2025-03-31
• Project Status: Granted (Fiscal Year 2023)
• Budget Amount: ¥4,420,000 (Direct Cost: ¥3,400,000、Indirect Cost: ¥1,020,000); Fiscal Year 2024: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2023: ¥1,430,000 (Direct Cost: ¥1,100,000、Indirect Cost: ¥330,000); Fiscal Year 2022: ¥1,560,000 (Direct Cost: ¥1,200,000、Indirect Cost: ¥360,000)

Outline of Research at the Start

本研究では，人工力誘起反応（AFIR）法を用いて作成した反応経路地図から得られた各中間体のエネルギーと実測収率との間で機械学習モデルを構築することで，未知の触媒を用いた場合の収率を予測する手法を開発する．また，機械学習モデルの特徴量の重要度から，どの中間体が収率を予測する上で重要かを特定することができる．本研究は従来の研究者の経験と勘に頼った触媒構造最適化問題に対して合理的な解法を与えるものである．