外挿的機械学習手法による未踏触媒材料の設計と創出

使用外推机器学习方法设计和创建未经探索的催化剂材料

• 批准号: 22KJ0081
• 负责人: JING YUAN
• 金额: $ 1.09万
• 依托单位: Hokkaido University
• 依托单位国家: 日本
• 项目类别: Grant-in-Aid for JSPS Fellows
• 财政年份: 2023
• 资助国家: 日本
• 起止时间: 2023-03-08 至 2024-03-31
• 项目状态: 已结题
• 来源: https://kaken.nii.ac.jp/en/grant/KAKENHI-PROJECT-22KJ0081/
• 关键词: 固体触媒; 機会学習; 人工知能; 脱硝

触媒をはじめとする材料科学研究は未だ「絨毯爆撃的なスクリーニング」から脱却できていない。年々増え続ける膨大なデータ・知見を咀嚼し、目的に対して適切な仮説を提供できる人材は皆無である。人知に基づく研究は限界を迎えており、データ科学の先進技術を導入して材料科学研究の在り方を刷新することが求められている。本研究で使用する外挿的提案が可能な機械学習モデルは申請者らが独自に着想、開発した全く新しいモデルである。本提案は、化学を専門としながらも情報科学を扱える申請者だからこそ達成できる極めて挑戦的な研究テーマであり、新しい研究方法論を切り拓くものである。本モデルでは、触媒構成元素そのものを学習に使うのではなく、その特徴量(原子半径、電気陰性度、融点等)と構成比の積を予測記述子(Elemental Descriptor)として用いることで、元々のデータセットに含まれている元素に縛られることなく有望な触媒候補元素を提案することが可能である。2022年度、水素を還元剤とするNO選択還元(H2-SCR)反応に対しては、上記の外挿的な機械学習モデルを用いて、新規触媒探索を行っている。具体的には、実験⇔機械学習予測、というサイクルを回すことで、より少ない実験回数で新規触媒を見出す。これまでに、H2-SCRに対して既報有効な触媒を凌ぐ触媒を発見している（未発表）。機械学習によりリストアップした約600兆通りの膨大な触媒組成候補群の中から、300回の実験検討において、既報触媒を上回る触媒を40件以上も見出した。

包括催化剂在内的材料科学研究尚未摆脱“地毯轰炸筛查”。没有人可以消化逐年增加的大量数据和知识，并为其目的提供适当的假设。基于人类知识的研究正在达到其局限性，并且有必要引入先进的数据科学技术来改变材料科学研究的形式。允许在本研究中使用外推建议的机器学习模型是申请人独立提出和开发的全新模型。该提案是一个极具挑战性的研究主题，只有专门从事化学但可以处理信息科学的申请人才能实现，并将开放新的研究方法。在此模型中，与其使用催化剂组成元素本身进行学习，不如提出有前途的催化剂候选元素，而不受原始数据集中包含的元素的限制（原子半径，电负性，熔点，熔点等）和组成比例作为预测描述。在2022年，使用氢作为还原剂，使用上述推断的机器学习模型，使用氢作为还原剂搜索新的催化剂（H2-SCR）反应。具体而言，通过运行实验和机器学习预测的周期，可以通过更少的实验找到新的催化剂。迄今为止，已经发现催化剂超过了先前报道的H2-SCR（未发表）的有效催化剂。在通过机器学习列出的庞大的600万亿候选催化剂组成组中，发现40多种催化剂在300项实验研究中超过了先前报道的催化剂。