|
本研究では、証拠理論を前提とした、過去に観測した元素組み合わせの置換に基づく性能変化を活用して、未知触媒の性能を推定する人間の思考をメタ的に再現した触媒推薦システムを構築した。システムとハイスループット実験を併用することで、過去の知見を最適化するための探索と、新たな知見を獲得するための探索を同時実行し、過去40年の歴史を持つ対象触媒反応系において、これまでに類を見ない高性能触媒を多数発見するに至った。また、触媒探索中に、システムが良い触媒ではないと判断した触媒の中から実際には良い触媒が発見されるという事象が数件確認された。これまでの触媒化学は、全体の傾向に沿わない高性能触媒に注目し、その最適化を行うことで今日まで進んできた。この研究史を鑑み、本研究の枠組みの中での予期せぬ発見（セレンディピティ）に着目し、その発生を一般化させるためのメタモデルを構築した。これによってセレンディピティを約50％程度の確率で誘発することが可能となった。
本研究成果はACS spring 2023をはじめとする計3件の国際学会にて発表した。また、本研究に関連して、ハイスループット実験と機械学習を併用した触媒設計に関する総説も2件執筆し、共同研究者である北海道大学の高橋啓介教授との共著論文を7報投稿、発見した職場に関して特許も取得した。また、本テーマを内包した博士論文審査にて高い評価を受け、2023年度の優秀修了者に抜擢された。
|
