| 研究課題/領域番号 |
21K12027
|
|---|
| 研究種目 |
基盤研究(C)
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 一般 |
|---|
| 審査区分 |
小区分61030:知能情報学関連
|
|---|
| 研究機関 | 名古屋大学 |
|---|
研究代表者 |
安田 耕二 名古屋大学, 未来材料・システム研究所, 准教授 (70293686)
|
|---|
| 研究期間 (年度) |
2021-04-01 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
2,990千円 (直接経費: 2,300千円、間接経費: 690千円)
2023年度: 130千円 (直接経費: 100千円、間接経費: 30千円)
2022年度: 1,430千円 (直接経費: 1,100千円、間接経費: 330千円)
2021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 | 深層学習 / 反応予測 / グラフニューラルネットワーク / 有機遷移金属 / 化学反応予測 / 遷移金属 / 機械学習 / 化学情報学 / 化学反応 / 量子化学 |
|---|
| 研究開始時の研究の概要 |
この研究は、既知の有機遷移金属反応を特別なニューラルネットに学習させて、新規反応をひらめかせたり、良い遷移金属触媒を発見することを目指します。そのために、遷移金属を含む分子構造をはっきり認識する、グラフニューラルネットを開発します。また、有機遷移金属の反応を実験論文などから収集し、データベースを構築します。ニューラルネットに反応パターンを学習させ、新しい反応を予想します。これを量子化学計算でシュレーディンガー方程式を解き検証します。人工知能でこの手続きを自律的、大規模かつ徹底的に行い、実験化学者の知能を超える事を目指します。
|
| 研究成果の概要 |
多種類の有機遷移金属触媒反応を予測するグラフニューラルネットワーク(GNN)を構築した。素反応を学習対象に選び、電子則などを適切に強制することで、僅か数万個のパラメターを持つモデルでありながら、出発物と遷移金属+配位子を入力すると、最高で97.7%の精度で生成物を予測できた。学習データとして、原著論文などから出発物と生成物を収集し、素反応を推定、分解し、機械学習可能なデータベースを作った。GNNは各遷移金属の基質の好みを正しく予測した。GNNのノード潜在表現は、原子団の反応中の役割として理解できることが分かった。
|
| 研究成果の学術的意義や社会的意義 |
チタンやパラジウムなどの遷移金属を含む分子には、特定の化学結合を生成切断する触媒として、医薬品などの複雑な分子の合成に役立っている。有機化学者や理論化学者はこれまで、教科書や論文から反応パターンを学習し、新しい触媒反応を予想し実験して発見してきた。急速に発展しつつある深層学習を有機遷移金属反応に用いることで、プロ以上に有機遷移金属反応に詳しい AI を作る事を最終目標としている。適切なドメイン知識を用いることで、他研究の僅か1/1000のパラメターを用いて反応を高精度で予測できた。我々の機械学習モデルが量子化学計算を自律的に行い、反応探索を行える可能性が見えてきた。
|
