化学的知見を生かした転送性の高い特徴量の抽出と利用

研究課題

戦略的な研究開発の推進戦略的創造研究推進事業さきがけ

体系的番号	JPMJPR21C9
DOI	https://doi.org/10.52926/JPMJPR21C9
研究代表者	横川大輔東京大学, 大学院総合文化研究科, 准教授
研究期間 (年度)	2021 – 2024
概要	化学における機械学習は、有機化学における反応予測や無機化学における材料設計など、シングルタスクであるものがほとんどであり、構築した学習モデルを他の課題に転用することは困難です。そこで本研究では、化学における転送性の高い特徴量の抽出を機械学習により実現することで、化学者のようにマルチタスクで様々な化学現象に挑戦できる機械学習モデルの構築を目指します。
研究領域	信頼されるAIの基盤技術

主な研究成果
(3件)

すべて雑誌論文 (3件) (査読あり 3件、オープンアクセス 3件)

[雑誌論文] Lagrangian of extended multiconfigurational self-consistent field second-order quasidegenerate perturbation theory combined with reference interaction site model self-consistent field constraint spatial electron density2024
- 著者名
  Naoki Negishi, Daisuke Yokogawa
- 雑誌名
  
  The Journal of Chemical Physics
  
  巻: 160 ページ: 114104
- 査読あり / オープンアクセス
[雑誌論文] Vibrational Self-Consistent Field (VSCF) and Post-VSCF Method Calculations Combined with the Reference Interaction Site Model Self-Consistent Field Method Coupled with the Constrained Spatial Electron Density Distribution2024
- 著者名
  Kayo Suda, Daisuke Yokogawa
- 雑誌名
  
  Journal of Chemical Theory and Computation
  
  巻: 20 ページ: 4885-4892
- 査読あり / オープンアクセス
[雑誌論文] Feature attributions for water?solubility predictions obtained via artificial intelligence methods and chemists2024
- 著者名
  Teruhisa Sadakane, Koki Nakata, Kayo Suda, Daisuke Yokogawa
- 雑誌名
  
  Bull. Chem. Soc. Jpn.
  
  巻: 97 号: 11 ページ: 121
- 査読あり / オープンアクセス