Development of reverse design system for optimal membrane structure by JT-VAE machine learning

利用JT-VAE机器学习开发最佳膜结构逆向设计系统

基本信息

批准号：
22K04808
负责人：
高羽洋充
金额：
$ 2.75万
依托单位：
Kogakuin University
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2022
资助国家：
日本
起止时间：
2022-04-01 至 2025-03-31
项目状态：
未结题

项目摘要

本研究の目的は、広大な化合物空間から最適な膜構造をサンプリングできる、JT-VAE機械学習システムを構築することである。具体的には、混合ガス分離系に対して、最適な膜構造を測定データから創造できるシステムを構築する。本年度は、高分子膜系をターゲットとして、被分離対象としては、無機ガス（CH4, CO2, He, H2, N2）を対象とした機械学習を行った。従来のJunction Treeのアルゴリズムは低分子有機物を対象としたものであるため、高分子系にも適用できるようにモノマー分子に含まれれる重合点を考慮できるようにJunction Treeのアルゴリズムを改良した。生成ものな―の精度を検証し、重合点も含めて化学的に正しい構造が高確率で生成されることを確認した。これにより、1種類のモノマーを対象としたホモポリマー型の高分子分離膜の設計が可能となった。次に、膜透過データベースに関して文献調査を行った。調査の結果、データベースとして、アメリカのPolymer GenomesとAustralasia膜学会の高分子ガス透過データベースを採用することにした。これらをベースを利用してJT-VAEに基づく膜設計システムを学習させた。まず、高分子構造データベースを利用して20万以上のモノマー構造を学習させ、さらに膜透過データベースに含まれる各種無機ガスの透過データを学習させることで、JT-VAEの潜在空間パラメータと透過データとの回帰モデルを構築することに成功した。以上より、JT-VAEから生成された仮想的な高分子膜の透過性能を予測できるようになった。

本研究的目的是构建一个 JT-VAE 机器学习系统，可以从广阔的复合空间中采样最佳的膜结构。具体来说，我们将构建一个可以根据测量数据为混合气体分离系统创建最佳膜结构的系统。今年，我们针对聚合物膜系统和待分离的无机气体（CH4、CO2、He、H2、N2）进行了机器学习。由于传统的Junction Tree算法针对的是低分子有机物质，我们改进了Junction Tree算法，使其能够考虑单体分子中包含的聚合点，从而也可以应用于聚合物体系。我们验证了系统的准确性，并确认以高概率生成化学上正确的结构，包括聚合点。这使得设计针对一种单体的均聚物型聚合物分离膜成为可能。接下来，我们对膜渗透数据库进行了文献检索。经过调查，我们决定使用美国聚合物基因组和澳大利亚膜协会的聚合物气体渗透数据库作为数据库。以此为基础，我们训练了基于 JT-VAE 的膜设计系统。首先，通过使用聚合物结构数据库学习超过200,000个单体结构，并进一步学习膜渗透数据库中包含的各种无机气体的渗透数据，我们可以将潜在空间参数和成功构建的JT-VAE的渗透数据结合起来。回归模型。综上所述，现在可以预测 JT-VAE 生成的虚拟聚合物膜的渗透性能。