• 研究課題をさがす
  • 研究者をさがす
  • KAKENの使い方
  1. 前のページに戻る

量子化学計算と機械学習を用いた均一系有機金属錯体反応の予測と反応支配因子の可視化

研究課題

研究課題/領域番号 18J13695
研究種目

特別研究員奨励費

配分区分補助金
応募区分国内
研究分野 無機化学
研究機関早稲田大学

研究代表者

藤波 美起登  早稲田大学, 理工学術院, 特別研究員(DC2)

研究期間 (年度) 2018-04-25 – 2020-03-31
研究課題ステータス 完了 (2019年度)
配分額 *注記
1,500千円 (直接経費: 1,500千円)
2019年度: 700千円 (直接経費: 700千円)
2018年度: 800千円 (直接経費: 800千円)
キーワード反応予測 / 反応条件最適化 / 溶媒選択 / 機械学習 / 量子化学計算
研究実績の概要

本研究では、均一系金属錯体反応について、与えられた反応物から得られる生成物を予測する反応予測手法の開発およびその反応支配因子の可視化を行う。さらに、実際に実験を行う際に大きな課題となる実験条件の最適化について、適当な条件を数理的に推薦する手法を開発する。本年度は反応予測手法の改善と実験条件推薦手法のうち、溶媒選択手法の開発に取り組んだ。
量子化学的記述子を用いた反応予測手法の改善では、これまで用いた機械学習手法に代わり、近年インフォマティクス研究で高い性能を発揮している勾配ブースティング決定木を用いた。量子化学計算から得られる分子の記述子を用いた有機化学反応の予測に応用し、予測精度の改善を確認した。また、反応予測に寄与した量子化学的記述子を可視化し、理論化学の知見から考察しても妥当な根拠に基づいて反応予測が実行されていることが示された。
溶媒選択手法の開発では、溶媒の物理化学的な物性値を記述子とし、これを機械学習に適用した。実験研究室との共同研究で、均一系金属錯体触媒反応における溶媒選択を例とした評価を行った。溶媒のライブラリをクラスタリングにより分類することで最初に実験すべき溶媒を提案した。またこれらの溶媒の収率を機械学習に適用し、他の実験を行っていない溶媒に対する収率を予測した。その結果、開発した手法による予測収率は定性的に実験収率を再現した。
本年度は採用期間最終年度のため、量子化学的記述子を用いた反応予測とその反応支配因子の可視化、離散条件を含む多次元の反応条件最適化、溶媒の物理化学的表現に基づく溶媒選択手法の開発、それぞれの研究成果を査読付き原著論文として出版した。また国際会議においても研究成果を発表した。

現在までの達成度 (段落)

令和元年度が最終年度であるため、記入しない。

今後の研究の推進方策

令和元年度が最終年度であるため、記入しない。

報告書

(2件)
  • 2019 実績報告書
  • 2018 実績報告書
  • 研究成果

    (6件)

すべて 2020 2019 2018

すべて 雑誌論文 (3件) (うち査読あり 3件、 オープンアクセス 1件) 学会発表 (3件) (うち国際学会 1件)

  • [雑誌論文] Quantum Chemical Reaction Prediction Method Based on Machine Learning2020

    • 著者名/発表者名
      Fujinami Mikito、Seino Junji、Nakai Hiromi
    • 雑誌名

      Bulletin of the Chemical Society of Japan

      巻: 93 号: 5 ページ: 685-693

    • DOI

      10.1246/bcsj.20200017

    • NAID

      130007842978

    • ISSN
      0009-2673, 1348-0634
    • 年月日
      2020-05-15
    • 関連する報告書
      2019 実績報告書
    • 査読あり
  • [雑誌論文] Solvent Selection Scheme Using Machine Learning Based on Physicochemical Description of Solvent Molecules: Application to Cyclic Organometallic Reaction2020

    • 著者名/発表者名
      Fujinami Mikito、Maekawara Hiroki、Isshiki Ryota、Seino Junji、Yamaguchi Junichiro、Nakai Hiromi
    • 雑誌名

      Bulletin of the Chemical Society of Japan

      巻: 印刷中 号: 7 ページ: 841-845

    • DOI

      10.1246/bcsj.20200045

    • NAID

      130007879563

    • 関連する報告書
      2019 実績報告書
    • 査読あり
  • [雑誌論文] Virtual Reaction Condition Optimization based on Machine Learning for a Small Number of Experiments in High-dimensional Continuous and Discrete Variables2019

    • 著者名/発表者名
      Fujinami Mikito、Seino Junji、Nukazawa Takumi、Ishida Shintaro、Iwamoto Takeaki、Nakai Hiromi
    • 雑誌名

      Chemistry Letters

      巻: 48 号: 8 ページ: 961-964

    • DOI

      10.1246/cl.190267

    • NAID

      130007687720

    • 関連する報告書
      2019 実績報告書
    • 査読あり / オープンアクセス
  • [学会発表] Machine learning study for optimization of reaction conditions including discrete variables with small number of experiments2019

    • 著者名/発表者名
      Fujinami Mikito, Maekawara Hiroki, Seino Junji, Nakai Hiromi
    • 学会等名
      The Ninth Conference of the Asia-Pacific Association of Theoretical and Computational Chemists (APATCC 2019)
    • 関連する報告書
      2019 実績報告書
    • 国際学会
  • [学会発表] 機械学習を用いた反応条件最適化シミュレータの開発2018

    • 著者名/発表者名
      藤波美起登, 清野淳司, 中井浩巳
    • 学会等名
      第21回理論化学討論会
    • 関連する報告書
      2018 実績報告書
  • [学会発表] 反応予測に寄与する量子化学的記述子の解析2018

    • 著者名/発表者名
      藤波美起登, 清野淳司, 中井浩巳
    • 学会等名
      第41回ケモインフォマティクス討論会
    • 関連する報告書
      2018 実績報告書

URL: 

公開日: 2018-05-01   更新日: 2024-03-26  

サービス概要 検索マニュアル よくある質問 お知らせ 利用規程 科研費による研究の帰属

Powered by NII kakenhi