文献

J-GLOBAL ID：201902220940939790   整理番号：19A2683133

機械学習によるメタン酸化カップリング反応に有効な触媒探索

著者 (9件)： 高尾基史 (北大 触媒研) ,  鳥屋尾隆 (北大 触媒研) ,  鳥屋尾隆 (京大) ,  前野禅 (北大 触媒研) ,  高草木達 (北大 触媒研) ,  瀧川一学 (理研 AIP) ,  瀧川一学 (北大 WPI-ICReDD) ,  清水研一 (北大 触媒研) ,  清水研一 (京大)
資料名： ケモインフォマティクス討論会予稿集(Web)  (Proceedings of the Symposium on Chemoinformatics (Web))
巻： 42nd  ページ： ROMBUNNO.2B04(J-STAGE)  発行年： 2019年 
JST資料番号： U0627A  資料種別： 会議録 (C)
記事区分： 短報  発行国： 日本 (JPN)  言語： 日本語 (JA)

抄録/ポイント： 文献から入手したメタン酸化カップリング反応の実験データに関して,触媒組成と反応条件を予測記述子とした機械学習モデル,さらに,構成元素の特徴量を加えたモデルを用いて触媒活性の予測を行った。前者に比べて後者では予測精度の良化が見られた。最良の予測を示したXGB Regressorを用いた予測結果に対して,SHAPを用いて各特徴量の寄与の可視化を行った。反応温度や反応気質の分圧等,実験条件ならびにMn,Na,LiなどのMn/Na₂WO₄/SiO₂系触媒やLi/MgO系触媒の構成元素が高く評価された。近年特に注目されているMn/Na₂WO₄/SiO₂系触媒に関して,PDPを用いて元素組成と収率の関係の可視化をおこなった。また,SMACをベースとした代理モデルを用いて最適な触媒組成および反応条件の探索をおこなった。(著者抄録)

シソーラス用語： *機械学習 ,  *酸化的カップリング ,  測定データ ,  *触媒 ,  化学組成 ,  条件 ,  化学情報 ,  触媒活性 ,  予測 ,  可視化 ,  予測モデル ,  最適化 ,  触媒反応 ,  反応条件 ,  モデル ,  改変 ,  アルカン
準シソーラス用語： 代理モデル

分類 (3件)： 人工知能  (JE08000Z) ,  アルカン  (CF03020I) ,  触媒反応一般  (CB06080F)

物質索引 (1件)： メタン

タイトルに関連する用語 (5件)： 機械学習 ,  メタン ,  酸化カップリング反応 ,  触媒 ,  探索