研究課題/領域番号 |
20K22539
|
研究種目 |
研究活動スタート支援
|
配分区分 | 基金 |
審査区分 |
0501:物理化学、機能物性化学、有機化学、高分子、有機材料、生体分子化学およびその関連分野
|
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, 助教 (50875391)
|
研究期間 (年度) |
2020-09-11 – 2022-03-31
|
研究課題ステータス |
完了 (2021年度)
|
配分額 *注記 |
2,860千円 (直接経費: 2,200千円、間接経費: 660千円)
2021年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2020年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
|
キーワード | 量子化学計算 / 機械学習 / 構造最適化 / 遷移状態 / 量子化学 |
研究開始時の研究の概要 |
分子の平衡構造や遷移状態構造の探索は、分子の安定性や反応性、化学反応の背景を理解する上で重要である。今日、広く用いられる量子化学計算に基づく構造探索は計算コストが高く、その重要性にもかかわらず、適用範囲に制限がある。本研究では、人工知能技術の中核をなす機械学習を用いて、高速に分子の平衡構造・遷移状態・反応経路の構造探索を行う手法を開発する。さらに、ユーザーが望む計算対象に対して構造探索の精度を向上させるため、量子化学計算と機械学習を自動で実行するシステムの構築を目指す。
|
研究成果の概要 |
本研究では、分子構造の迅速な探索のために、分子中の原子に働くフォースを機械学習を用いて高速に予測する手法の開発に取り組んだ。有機分子の構造最適化および有機金属錯体反応に関するフォースのデータベースを構築し、種々の機械学習手法を適用することでその予測精度を検証した。フォースの予測に必要なデータベース、記述子および機械学習手法に関する知見が得られた。また、構築したデータベースは本研究に限らず計算化学研究に有用な情報を内包する。
|
研究成果の学術的意義や社会的意義 |
本研究は、機械学習を用いたポテンシャルの予測において今日広く用いらている手法と異なり、原子のフォースを直接予測する点で特異である。これに有効な記述子や機械学習手法を検証した点は学術的な意義がある。また、本手法の精度をさらに向上させることで分子構造の迅速な探索が可能となれば、新規化合物の設計など、計算化学分野で広く行われている研究課題に対して貢献することも期待される。
|