九州大学先導物質化学研究所の川島恭平助教、佐藤拓海氏（総合理工学府・博士前期課程修了）、森俊文准教授は、大阪大学大学院基礎工学研究科の金鋼准教授、松林伸幸教授、分子科学研究所／総合研究大学院大学の岡崎圭一准教授とともに、化学反応の遷移状態を予測する深層学習を自動的に構築する手法を開発し、これを用いて多数の原子が存在する系でも遷移状態を適切に予測できることを示しました。さらに、様々な深層学習モデルを調べることで、モデルの形が異なっても、得られる遷移状態の特徴は変わらないことを明らかにしました。
ポイント
- 化学反応の成否を決める遷移状態※1の予測に深層学習※2は有効だが、深層学習モデルの構築自体が非常に煩雑なため適用範囲が限られていた
- 深層学習モデル作成の自動化に成功し、多数の溶媒分子存在下での反応でも遷移状態を効率よく予測することに成功
- 酵素反応など複雑な化学反応の解明への人工知能の応用、深層学習による物性予測・分子設計理論の深化に期待
【論文情報】
掲載誌：APL Machine Learning
タイトル：「Investigating the hyperparameter space of deep neural network models for reaction coordinates.」
著者名：Kyohei Kawashima, Takumi Sato, Kei-ichi Okazaki, Kang Kim, Nobuyuki Matubayasi, Toshifumi Mori
D O I ：10.1063/5.0252631
