講演情報
[5Yin-A-08]計算化学記述子と機械学習を用いた有機材料合成の解釈可能モデリング
〇松原 希宝1、覚知 亮平1、松田 健2、高橋 啓3、瀬古 典明4、大道 正明4 (1. 群馬大学、2. 阪南大学、3. 大阪公立大学、4. 量子科学技術研究開発機構 高崎量子技術基盤研究所)
キーワード：
機械学習、材料化学
近年、化学分野、とりわけ材料合成分野においてもデータ駆動型アプローチの重要性が高まっている。しかし、異相系反応を含む有機材料合成では反応要因が多岐にわたり、体系的理解は依然として困難である。本研究では、このような複雑系に対し、計算化学により算出した分子記述子を入力特徴量とする機械学習モデルを構築し、材料合成における反応性の予測および特徴量重要度解析を行った。対象とした反応は放射線グラフト重合（RIGP）であり、溶媒、付加分子、基材特性が複雑に相互作用する典型的な有機材料合成反応である。特に、溶媒選択が反応性に及ぼす影響の定量的予測は未解決の課題であった。本そこで、多種類の溶媒を用いた合成実験により反応性データを取得し、これに対応する分子特性を計算化学により算出して機械学習に供した。この結果、学習に使用していない未知溶媒に対する反応性を、単なる相関ではなく分子特性に基づき説明可能であることを示した。以上より本研究の発表では、計算化学記述子と機械学習を統合した解釈可能モデリングにより、有機材料合成プロセスの理解と合理的設計を可能にする新たな枠組みを提案する。