触媒反応：機械学習を用いた有機反応機構の分類

触媒的有機反応の機構的理解は、新しい触媒の設計、反応性モード、より環境に優しくより持続可能な化学過程の開発に不可欠である。速度論的解析は、実験データから機構的仮説の直接検証を促すことによって、機構的解明の中核となる。従来、速度論的解析は、数学的速度則導出と合わせて、初速度や対数プロット、最近では、視覚的な速度論的方法の使用に依存してきた。しかし、速度則の導出やその解釈には、数多くの数学的近似が必要であり、結果として、ヒューマンエラーが起こりがちで、定常状態下で起こる数段階のみの反応ネットワークに限られる。今回我々は、ディープニューラルネットワークモデルを訓練して通常の速度論データを解析し、追加のユーザー入力なしに、対応する機構クラスを自動的に解明できることを示す。このモデルは、触媒の活性化段階や失活段階を伴う機構など、定常状態から外れた機構を含めて、優れた正確さで多種多様な機構クラスを特定し、速度論データにかなりの誤差が含まれる場合や数時点しか含まれない場合でも優れた性能を示した。今回の結果は、人工知能に誘導される機構分類が、機構解明を効率化・自動化できる強力な新ツールとなることを実証している。我々は、化学コミュニティーがこのモデルを自由に利用できるようにしており、今回の研究が、有機反応の発見や開発の完全自動化の開発におけるさらなる進展につながると予想する。

目次へ戻る