|
所望の物性を有する新規分子の予測を行う機械学習アルゴリズムを開発した．解析手法の概要は，以下の通りである：(1)実験や第一原理計算等のシミュレーションから抽出した構造物性相関データに機械学習のアルゴリズムを適用し，物質の構造から物性の順方向モデルを構築する．(2)ステップ(1)の順方向のモデルにベイズ則を適用し，物性から構造の逆方向のモデルを導く．(3)言語モデルを用いて訓練した化学構造の生成モデルを準備する．(4)ステップ(3)の生成モデルを用いてモンテカルロ計算で逆方向モデルから仮説物質を発生し，所望の物性を有する仮想物質を設計する．また，当該手法を実装したR言語・Pythonのパッケージを下記URLにて公開している．
iQSPR: https://github.com/GLambard/inverse-molecular-design
XenonPy: https://xenonpy.readthedocs.io/en/stable/index.html
本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ライブラリを作製できるようになった．さらに，他のプロジェクトで開発している逆合成経路探索アルゴリズムや第一原理計算を導入すれば，設計された候補物質の物性検証，合成経路のプランニングまでの工程を自動化できる．さらに，合成・分析との循環系を構築できれば，将来的に短期間で大量の埋蔵物質を発掘できる可能性がある．また，本課題の直接的な成果には含まれないが，JSTイノベーションハブ構築支援事業「情報統合型物質・材料開発イニシアティブ」において高熱伝導性高分子の開発等に本技術を投入しており，実証研究も進展している．
|
