第1部 新物質合成条件の効率的探索を可能にする合成条件推薦システムの構築方法入門

(2023年5月29日 10:00〜12:00)

　実験データの活用においては、手元のデータだけではなく、外部データの取得や、能動的にデータを取得するシステムが重要である。近年は、すべての無機物合成の条件最適化は多くの試行錯誤を必要とし、改善が希求されているプロセスの一つです。近年、目的の物性や材料特性を最適化する合成温度、原料の混合比、圧力などの数値パラメータを機械学習手法の適用により効率的に探索したという報告が増えてきました。一方で、合成条件には原料や添加物の種類、または合成手法など合成結果に大きく影響する非数値パラメータも多く存在します。
　本講演では、酸化物の合成データを例に非数値パラメータを含む合成条件を学習し、未知物質でもその合成条件予測が可能な推薦システムを構築する入門的な方法を解説します。

1. 推薦システムの紹介
   1. 推薦システム適用の目的
   2. 推薦システムを用いているサービス
   3. 推薦システムの種類
   4. モデルベースアルゴリズムの紹介
2. 行列・テンソル分解を用いた推薦システムの構築
   1. 低ランク性の仮定
   2. 項目同士の類似度
3. 推薦システムの性能評価方法
   1. 混同行列
   2. 推薦結果の評価方法
   3. ハイパーパラメータの調整
4. テストデータを用いた推薦システムの挙動紹介
5. 研究に用いた例:推薦システムを用いた新物質探索
   1. 合成条件推薦システムの問題設定
   2. 並列・自動実験による合成データの収集
   3. Tucker分解法による推薦システムの構築
   4. 推薦システムを用いた新規物質の合成条件予測
   5. 発見した新物質の例
6. 終わりに:物質探索分野の研究例紹介
• 質疑応答

第2部 ハイスループット実験による効率的データ収集の実施法

(2023年5月29日 12:45〜14:45)

　新物質合成の新たな方法論として、ハイスループット実験、実験自動化、ラボラトリーオートメーション、自律実験などが注目を浴びている。本講座では主にデータ収集という観点から、物質・材料の計測・分析・評価に主眼を置き、大量の試料についてハイスループット実験の実現へ向けた考え方を紹介する。
　自律実験に不可欠となる効率的な計測・実験とは何かという基礎的な考え方を紹介することから始め、自動・自律実験により物質・材料の大量のデータを効率的に収集する方法、得られた大量のデータを解析し物質・材料の研究開発の生産性を高める方法について述べる。

• ハイスループット実験の概要
• 実験自動化、ラボラトリーオートメーション、自律実験の現状
• 能動学習 (適応型実験計画法) を用いた実験の最適化
• 能動学習 (適応型実験計画法) の基礎
• ハイスループット実験への能動学習の適用
• 実験自動化のための実験終了判定
• ハイスループット実験のための高精度・高速・高効率なデータ収集
• 大量の実験データの定性解析
• 大量の実験データの定量解析
• 自律実験へ向けた実験データの解釈の自動化
• 質疑応答

第3部 フロー合成を活用した合成法の自動化・ロボット化技術

(2023年5月29日 15:00〜17:00)

　フロー合成技術の特徴として、自動化が容易である点が挙げられる。化合物ライブラリー合成の自動化、反応条件検索の自動化などフロー合成技術と親和性の高い自動化されている技術をセミナーで紹介する。また、化合物の合成を中心に、創薬全体を自動化していく上で必要な技術要素、例えば、チェリーピッキング、分析、精製、プレート化などを繋いでいくには、ロボットの活用が必要になる。
　それらを含めた創薬研究の自動化に関して紹介する。最後に、今後の展望として、創薬から製造への一気通貫の研究開発のかなめとして、最近注目されているオンデマンド合成に関して言及する。

• フロー・マイクロ合成技術の概要
• 化合物の自動合成
• 創薬研究の自動化へのチェレンジ
• 合成ルート・反応条件の自動検索へのチャレンジ
• オンデマンド合成へのチャレンジ
• 創薬研究から原薬製法研究へシームレスな進め方
• 質疑応答