[2Yin-A] Poster 3

[2Yin-A-41] Machine Learning Based Isomer Identification for Environmental Chemistry

〇mutsumi miuchi¹, yuta yahagi^1,3, kiichi obuchi^1,3, hideyuki inui², takeshi nakano² (1. NEC, 2. Kobe University, 3. AIST)

Keywords:

materials informatics

ポリ塩化ナフタレン（PCN）は難分解性有機汚染物質として環境中で蓄積し、健康への影響が懸念されるため、その物理化学特性を正確に分析し発生源を特定することが重要である。特に、同塩素数内の異性体は塩素原子の置換位置のみが異なることから、この微細な構造差を高精度に識別することが不可欠である。 しかしながら従来の異性体分析では、多様な条件下でのデータ収集の難しさから機械学習の適用が遅れており、その化学的特徴量と解析対象変数（保持時間）との詳細な関係性はいまだ十分に解明されていない。 そこで本研究では、特定のパラメータや特徴量に依存せず、塩素置換位置の微細な差異をとらえるモデルを提案し、複数のデータ分割手法を用いて予測精度を系統的に評価した。 これにより、各異性体の化学的に解釈可能な特徴量を用いた保持時間の予測が、異なるデータ領域に対しても高い外挿性能を示すことを実証した。これは異性体同定において分析条件の変動に対してロバスト性を有することを意味し、PFASのように標準品が存在しない膨大な異性体を対象とする分野におけるノンターゲット分析への応用可能性を示す。