化学者はこれまで実験結果を解釈するために経験則に基づく手法に依存してきた。しかし、この手法は大量のデータを扱うことなど本質的な限界がある。本研究で開発した潜在変数を組み込んだ機械学習アルゴリズムは置換パターン間の関係性や反応収率を高精度に推定し、実験的にも高収率で検証された。潜在変数は分子の電子的特徴を捉え、実験で直接観測できない「隠れた反応経路」を明らかにし、反応の理解に寄与したことを紹介する。

静岡大学 　工学部　教授

武田　和宏 氏

 

分子科学研究所

生命・錯体分子科学研究領域　助教

大塚　尚哉 氏

 

分子科学研究所

機器センター　チームリーダー

鈴木　敏泰 氏

 

分子科学研究所

生命・錯体分子科学研究領域　准教授

椴山　儀恵 氏

 

武田　和宏 氏