文献

J-GLOBAL ID：202002265799854019   整理番号：20A2802540

文献データに基づくメタン(OCM)の酸化カップリングのための機械学習予測の再検討【JST・京大機械翻訳】

Revisiting Machine Learning Predictions for Oxidative Coupling of Methane (OCM) based on Literature Data

著者 (5件)： Nishimura Shun (Graduate School of Advanced Science and Technology, Japan Advanced Institute of Science and Technology, Nomi, Ishikawa, 923-1292, Japan) ,  Ohyama Junya (Faculty of Advanced Science and Technology, Kumamoto University, Kumamoto, 860-8555, Japan) ,  Kinoshita Takaaki (Graduate School of Science and Technology, Kumamoto University, Kumamoto, 860-8555, Japan) ,  Dinh Le Son (Graduate School of Advanced Science and Technology, Japan Advanced Institute of Science and Technology, Nomi, Ishikawa, 923-1292, Japan) ,  Takahashi Keisuke (Department of Chemistry, Hokkaido University, Sapporo, 060-8510, Japan)
資料名： Chemcatchem  (Chemcatchem)
巻： 12  号： 23  ページ： 5888-5892  発行年： 2020年 
JST資料番号： W2356A  ISSN： 1867-3880  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： メタンの酸化的カップリング(OCM)のための機械学習(ML)予測を,実験状況の下で評価した。MLプロトコルは,科学者の経験だけでなく,文献の以前の報告で提示されたデータに関して,また検証中に得られたデータに関して,96種類の金属担持触媒の試行実行のための新たな動機をスパークした。本プロトコルは,種々の数の触媒が予測され,ブランクデータよりも良好に機能することが確認される,研究の30年間にわたるデータからのOCM反応のための未報告触媒の組み合わせを発見する。それにもかかわらず,OCM反応のC_2収率の標的は,課題として残っている:即ち,30%以上。文献に報告されたデータは,異なる反応器システムおよび/または特定の方法が,30%以上のC_2収率を達成するために,元のデータにおいて使用されることを明らかにした。このような特殊性は,現在の状況における文献データ駆動MLアプローチの不十分さに起因する。さらに,実験データの分類は,ターゲットC_2収率値とCH_4とO_2変換に対する傾向を示し,高次元での生成物選択性が将来のML予測を改良できることを示した。これらの知見は,補間充填を超えてML予測精度を改善する大域的記述子を見つけるための次の開発段階にとって非常に有益である。Copyright 2020 Wiley Publishing Japan K.K. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 内挿法 ,  反応器 ,  担持触媒 ,  ブランク ,  高次元 ,  *酸化的カップリング ,  *機械学習 ,  アルカン
準シソーラス用語： 予測精度 ,  特異性 ,  データ駆動 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習予測 ,  メタンの酸化カップリング ,  文献データ ,  C_2収率 ,  検証

分類 (3件)： 不均一系触媒反応  (CB06100E) ,  その他の触媒  (CB06123Z) ,  アルカン  (CF03020I)

物質索引 (1件)： メタン

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