文献

J-GLOBAL ID：202002210996839999   整理番号：20A0489552

触媒情報学のための機械学習:最近の応用と展望【JST・京大機械翻訳】

Machine Learning for Catalysis Informatics: Recent Applications and Prospects

著者 (10件)： Toyao Takashi (Institute for Catalysis, Hokkaido University, Japan) ,  Toyao Takashi (Elements Strategy Initiative for Catalysts and Batteries, Kyoto University, Japan) ,  Maeno Zen (Institute for Catalysis, Hokkaido University, Japan) ,  Takakusagi Satoru (Institute for Catalysis, Hokkaido University, Japan) ,  Kamachi Takashi (Elements Strategy Initiative for Catalysts and Batteries, Kyoto University, Japan) ,  Kamachi Takashi (Department of Life, Environment and Materials Science, Fukuoka Institute of Technology, Japan) ,  Takigawa Ichigaku (RIKEN, Center for Advanced Intelligence Project, Tokyo, Japan) ,  Takigawa Ichigaku (Institute for Chemical Reaction Design and Discovery (WPI-ICReDD), Hokkaido University, Hokkaido, Japan) ,  Shimizu Ken-ichi (Institute for Catalysis, Hokkaido University, Japan) ,  Shimizu Ken-ichi (Elements Strategy Initiative for Catalysts and Batteries, Kyoto University, Japan)
資料名： ACS Catalysis  (ACS Catalysis)
巻： 10  号： 3  ページ： 2260-2297  発行年： 2020年 
JST資料番号： W5035A  ISSN： 2155-5435  資料種別： 逐次刊行物 (A)
記事区分： 文献レビュー  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 触媒と触媒プロセスの発見と開発は,将来の生態学的バランスを維持するための不可欠な要素である。データ科学においてなされた最近の革命は,産業と学界の両方における従来の触媒研究に大きな影響を及ぼすことができ,触媒の開発を加速することができた。データ科学のサブフィールドである機械学習(ML)は,従来のアプローチの使用から離れて,このパラダイムシフトにおいて中心的役割を果たすことができる。本レビューにおいて,著者らが触媒作用の分野における研究を実行する科学者にとって役立つと信じるMLのための利用者の指針を提示して,均一で不均一な触媒を作るためにMLを利用することにおいて作られた最近の進歩を要約した。本レビューの焦点は,触媒材料/化合物の設計,合成およびキャラクタリゼーション,ならびに触媒プロセスへの応用に関するものである。ML技術は,触媒を発見する方法を強化するだけでなく,材料/化合物の特性と触媒活性,選択性,および安定性の間の関係のより深い理解を確立する強力なツールとしても役立つ。この知識は,触媒を設計し,それらの効率を高めるために使用される原理の確立を容易にする。MLのそのような利点にもかかわらず,実際の触媒の現在のML支援開発は,触媒作用が時間依存性の動的事象であるという事実と関連した触媒の複雑さのために,その幼少期に残っていることが注目されている。本レビューでは,実験,理論,およびデータ科学のシームレス統合が,触媒開発を加速し,エネルギー,材料,および化学物質を生産するための社会の必要性に影響を与える応用を目指した将来の研究を導くために,どのように使用できるかについて議論する。さらに,触媒の複雑な性質から生じる触媒研究におけるMLの限界と困難性を,分野におけるMLの効果的で実用的な利用のために取り組む必要がある課題を意識した触媒コミュニティを作るために議論した。Copyright 2020 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *機械学習 ,  触媒活性 ,  化学物質 ,  生態学 ,  *情報科学 ,  構造活性相関 ,  *触媒 ,  データマイニング ,  時間依存性 ,  キャラクタリゼーション ,  コミュニティ
準シソーラス用語： ハイスループット ,  複雑性 ,  触媒作用 ,  パラダイムシフト , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  触媒情報学 ,  高スループット実験/計算 ,  データマイニング ,  構造活性相関

分類 (2件)： その他の触媒  (CB06123Z) ,  貴金属触媒  (CB06122I)

タイトルに関連する用語 (5件)： 触媒 ,  情報学 ,  機械学習 ,  応用 ,  展望