| 研究課題/領域番号 |
15H02672
|
|---|
| 研究種目 |
基盤研究(B)
|
| 配分区分 | 補助金 |
|---|
| 応募区分 | 一般 |
|---|
| 研究分野 |
統計科学
|
|---|
| 研究機関 | 統計数理研究所 |
|---|
研究代表者 |
吉田 亮 統計数理研究所, データ科学研究系, 教授 (70401263)
|
|---|
| 研究分担者 |
本郷 研太 北陸先端科学技術大学院大学, 情報社会基盤研究センター, 准教授 (60405040)
|
|---|
| 研究期間 (年度) |
2015-04-01 – 2019-03-31
|
| 研究課題ステータス |
完了 (2018年度)
|
| 配分額 *注記 |
16,640千円 (直接経費: 12,800千円、間接経費: 3,840千円)
2018年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2017年度: 3,640千円 (直接経費: 2,800千円、間接経費: 840千円)
2016年度: 4,290千円 (直接経費: 3,300千円、間接経費: 990千円)
2015年度: 5,070千円 (直接経費: 3,900千円、間接経費: 1,170千円)
|
|---|
| キーワード | 機械学習 / 量子化学計算 / 分子設計 / マテリアルズインフォマティクス / 転移学習 / ベイズ推論 / 量子化学 / 創薬 / シミュレーション / ベイズ統計 |
|---|
| 研究成果の概要 |
ベイズ推論を方法論の柱とし，所望の特性を有する新規分子を予測する機械学習アルゴリズムを開発した．実験やシミュレーションから得られるデータを用いて，物質の構造から物性の順方向の予測モデルを構築する．これに条件付き確率のベイズ則を適用し，物性から構造の逆方向のモデルを導き，逐次モンテカルロ法を用いてモデルから仮説物質を発生し，所望の物性を有する有機分子を設計する．R言語とPythonのオープンソース・ライブラリ（iQSPR, XenonPy）を開発した．さらに，同技術を用いて高熱伝導性高分子を設計し，従来比80%の高熱伝導率を持つ新規高分子の合成及び実験検証に成功した．
|
| 研究成果の学術的意義や社会的意義 |
同技術を用いることで，任意の物性をターゲットに大量かつ高品質の候補物質のライブラリを作製できるようになった．さらに，逆合成経路探索の機械学習アルゴリズムや計算機シミュレーションとの循環システムを構築すれば，候補物質の性能検証，合成経路のプランニングまでの工程を完全に自動化できる．解析技術は汎用的であり，薬剤分子のみならず，一般の低分子化合物，高分子，混合材料等，様々な材料系に適用できる．現在，物質科学とデータ科学の融合を図るマテリアルズインフォマティクス（MI）と呼ばれる学際領域に注目が集まっている．本研究がもたらした技術と科学的発見は，分子系材料のMIの学術創生に一石を投じるものである．
|
