| 研究課題/領域番号 |
23KF0129
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 外国 |
|---|
| 審査区分 |
小区分27030:触媒プロセスおよび資源化学プロセス関連
|
|---|
| 研究機関 | 北海道大学 |
|---|
研究代表者 |
清水 研一 北海道大学, 触媒科学研究所, 教授 (60324000)
|
|---|
| 研究分担者 |
AIT EL FAKIR ABDELLAH 北海道大学, 触媒科学研究所, 外国人特別研究員
|
|---|
| 研究期間 (年度) |
2023-09-27 – 2025-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
2,000千円 (直接経費: 2,000千円)
2024年度: 1,000千円 (直接経費: 1,000千円)
2023年度: 1,000千円 (直接経費: 1,000千円)
|
|---|
| キーワード | 不均一系触媒 / 触媒インフォマティクス / データ科学 / CO2水素化 |
|---|
| 研究開始時の研究の概要 |
触媒を含む材料化学の研究は、未だにトライアルアンドエラー的アプローチから脱却できていない状況である。これまでの研究者は、多くの実験データや文献情報、経験に基づいて予測や仮説を立ててきたが、年々増加する膨大なデータと知識を処理し、適切な仮説を提供できる専門家は極めて希少である。データ科学の最新技術を導入して、材料化学研究のアプローチを革新する必要がある。本研究では、探索的機械学習モデルを用いて、革新的なCO2水素化触媒の創出を目指す。
|
| 研究実績の概要 |
触媒を含む材料化学の研究は、未だにトライアルアンドエラー的アプローチから脱却できていない状況である。これまでの研究者は、多くの実験データや文献情報、経験に基づいて予測や仮説を立ててきたが、年々増加する膨大なデータと知識を処理し、適切な仮説を提供できる専門家は極めて希少である。データ科学の最新技術を導入して、材料化学研究のアプローチを革新する必要がある。本研究では、探索的機械学習モデルを用いて、革新的なCO2水素化触媒の創出を目指している。
本年度は、探索的機械学習モデルの構築と改良を進めた。CO2水素化反応の実験データに関する既存データセットを用いて、学習器や記述子の選定及び改良を行った。実触媒探索に向けて、生成モデルの作成も行った。新たなCO2水素化反応実験に関してもスタートし、初期データセットの構築も行った。初期データセットを用いたモデルの構築と解析を通して、対象系における性能制御因子（記述子）の重要性を半定量的に可視化する試みも行った。今後、実験と機械学習のループを繰り返すことで、新触媒の開発を行う。
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
新触媒の開発に向けて、機械学習モデルおよび初期データセットの構築は行っており、研究は順調に進んでいる。
|
| 今後の研究の推進方策 |
実験と機械学習のループを繰り返すことでモデルを改善し、高活性触媒を開発する。
|
