References
特に“自律的”な研究を中心に集めた、機械学習やロボットを使った論文の一例を紹介します
自律的物質創製技術の概況と世界的な動向をまとめた解説記事はこちら。
自律:
機械学習やロボットを活用することで人間が一切関与しないプロセス
マテリアルズインフォマティクス:
機械学習や統計分析を用いて、新素材を探索する取り組み
プロセスインフォマティクス:
最適化するためのパラメータ決定に機械学習を応用。人間が実験を行うため、closed-loopになっていない。
- 2024
- 2023
- 2022
- 2021
- 2020
- 2019
- 2018
- 2017
- 2016
- 2015
- 2013
- 2010
- 2009
- 2007
- 1988
- 1978
-
自律
“Modular, multi-robot integration of laboratories: an autonomous workflow for solid-state chemistry”
Amy. M. Lunt, Hatem Fakhruldeen, Gabriella Pizzuto, Louis Longley, Alexander White, Nicola Rankin, Rob Clowes, Ben Alston, Lucia Gigli, Graeme M. Day, Andrew I. Cooper, Samantha Y. ChongChem. Sci. 15, 2024, 2456-2463. (https://pubs.rsc.org/en/Content/ArticleLanding/2024/SC/D3SC06206F) -
自律
“Automated self-optimization, intensification, and scale-up of photocatalysis in flow”
Aidan Slattery, Zhenghui Wen, Pauline Tenblad, Jesús Sanjosé-Orduna, Diego Pintossi, Tim Den Hartog, Timothy NoëlScience 383, 2024, eadj1817. (https://www.science.org/doi/10.1126/science.adj1817) -
マテリアルズインフォマティクス
“A dynamic Bayesian optimized active recommender system for curiosity-driven partially Human-in-the-loop automated experiments”
Arpan Biswas, Yongtao Liu, Nicole Creange, Yu-Chen Liu, Stephen Jesse, Jan-Chi Yang, Sergei V. Kalinin, Maxim A. Ziatdinov, Rama K. VasudevanNpj Comput. Mater. 10, 2024, 29. (https://www.nature.com/articles/s41524-023-01191-5) -
自律
“Performance metrics to unleash the power of self-driving labs in chemistry and materials science”
Amanda A. Volk, Milad AbolhasaniNat. Commun. 15, 2024, 1378. (https://www.nature.com/articles/s41467-024-45569-5) -
プロセスインフォマティクス
“Structured information extraction from scientific text with large language models”
John Dagdelen, Alexander Dunn, Sanghoon Lee, Nicholas Walker, Andrew S. Rosen, Gerbrand Ceder, Kristin A. Persson, Anubhav JainNat. Commun. 15, 2024, 1418. (https://www.nature.com/articles/s41467-024-45563-x) -
マテリアルズインフォマティクス
“Machine Learning-Assisted Property Prediction of Solid-State Electrolyte”
Jin Li, Meisa Zhou, Hong-Hui Wu, Lifei Wang, Jian Zhang, Naiteng Wu, Kunming Pan, Guilong Liu, Yinggan Zhang, Jiajia Han, Xianming Liu, Xiang Chen, Jiayu Wan, Qiaobao ZhangAdv. Energy Mater., 2024, 2304480. (https://onlinelibrary.wiley.com/doi/10.1002/aenm.202304480?af=R) -
マテリアルズインフォマティクス
“Integrated analysis of X-ray diffraction patterns and pair distribution functions for machine-learned phase identification”
Nathan J. Szymanski, Sean Fu, Ellen Persson, Gerbrand CederNpj Comput. Mater. 10, 2024, 45. (https://www.nature.com/articles/s41524-024-01230-9) -
プロセスインフォマティクス
“How the AI-assisted discovery and synthesis of a ternary oxide highlights capability gaps in materials science”
Joseph Harold Montoya, Carolyn Grimley, Muratahan Aykol, Colin Ophus, Hadas Sternlicht, Benjamin H Savitzky, Andrew Minor , Steven Bartholomew Torrisi, Jackson Goedjen, Ching-Chang Chung, Andrew Comstock, Shijing SunChem. Sci., 2024. (https://pubs.rsc.org/en/Content/ArticleLanding/2024/SC/D3SC04823C) -
プロセスインフォマティクス
“ChemLLM: A Chemical Large Language Model”
Di Zhang, Wei Liu, Qian Tan, Jingdan Chen, Hang Yan, Yuliang Yan, Jiatong Li, Weiran Huang, Xiangyu Yue, Dongzhan Zhou, Shufei Zhang, Mao Su, Hansen Zhong, Yuqiang Li, Wanli OuyangarXiv:2402.06852. (https://arxiv.org/abs/2402.06852) -
自律
“Autonomous closed-loop mechanistic investigation of molecular electrochemistry via automation”
Hongyuan Sheng, Jingwen Sun, Oliver Rodríguez, Benjamin B. Hoar, Weitong Zhang, Danlei Xiang, Tianhua Tang, Avijit Hazra, Daniel S. Min, Abigail G. Doyle, Matthew S. Sigman, Cyrille Costentin, Quanquan Gu, Joaquín Rodríguez-López, Chong LiuNat. Commun. 15, 2024, 2781. (https://www.nature.com/articles/s41467-024-47210-x) -
自律
“Combining Bayesian optimization and automation to simultaneously optimize reaction conditions and routes”
Oliver Schilter, Daniel Pacheco Gutierrez, Linnea M. Folkmann, Alessandro Castrogiovanni, Alberto García-Durán, Federico Zipoli, Loïc M. Roch, Teodoro LainoChem. Sci. 20, 2024, 7732-7741. (https://pubs.rsc.org/en/Content/ArticleLanding/2024/SC/D3SC05607D) -
自律
“Evolution-guided Bayesian optimization for constrained multi-objective optimization in self-driving labs”
Andre K. Y. Low, Flore Mekki-Berrada, Abhishek Gupta, Aleksandr Ostudin, Jiaxun Xie, Eleonore Vissol-Gaudin, Yee-Fun Lim, Qianxiao Li, Yew Soon Ong, Saif A. Khan, Kedar HippalgaonkarNpj Comput. Mater. 10, 2024, 104. (https://www.nature.com/articles/s41524-024-01274-x) -
マテリアルズインフォマティクス
“In Silico Chemical Experiments in the Age of AI: From Quantum Chemistry to Machine Learning and Back”
Abdulrahman Aldossary, Jorge Arturo Campos-Gonzalez-Angulo, Sergio Pablo-García, Shi Xuan Leong, Ella Miray Rajaonson, Luca Thiede, Gary Tom, Andrew Wang, Davide Avagliano, Alán Aspuru-GuzikAdv. Mater., 2024, 2402369. (https://onlinelibrary.wiley.com/doi/10.1002/adma.202402369?af=R) -
自律
“Delocalized, asynchronous, closed-loop discovery of organic laser emitters”
Felix Strieth-Kalthoff, Han Hao, Vandana Rathore, Joshua Derasp, Théophile Gaudin,Nicholas H. Angello, Martin Seifrid, Ekaterina Trushina, Mason Guy, Junliang Liu, Xun Tang,Masashi Mamada, Wesley Wang, Tuul Tsagaantsooj, Cyrille Lavigne, Robert Pollice, Tony C. Wu,Kazuhiro Hotta, Leticia Bodo, Shangyu Li, Mohammad Haddadnia, Agnieszka Wołos, Rafał Roszak,Cher Tian Ser, Carlota Bozal-Ginesta, Riley J. Hickman, Jenya Vestfrid, Andrés Aguilar-Granda,Elena L. Klimareva, Ralph C. Sigerson, Wenduan Hou, Daniel Gahler, Slawomir Lach,Adrian Warzybok, Oleg Borodin, Simon Rohrbach, Benjamin Sanchez-Lengeling, Chihaya Adachi,Bartosz A. Grzybowski, Leroy Cronin, Jason E. Hein, Martin D. Burke, Alán Aspuru-GuzikScience 384, 2024, 756. (https://www.science.org/doi/10.1126/science.adk9227) -
プロセスインフォマティクス
“High-throughput investigation of stability and Li diffusion of doped solid electrolytes via neural network potential without configurational knowledge”
Ryohto Sawada, Kosuke Nakago, Chikashi Shinagawa, So TakamotoSci. Rep. 14, 2024, 11602 (https://www.nature.com/articles/s41598-024-62054-7) -
マテリアルズインフォマティクス
“Large-Language-Model-Based AI Agent for Organic Semiconductor Device Research”
Qian Zhang, Yongxu Hu, Jiaxin Yan, Hengyue Zhang, Xinyi Xie, Jie Zhu, Huchao Li, Xinxin Niu, Liqiang Li, Yajing Sun, Wenping HuAdv. Mater., 2024, 2405163. (https://onlinelibrary.wiley.com/doi/10.1002/adma.202405163?af=R) -
自律
“Optimization of liquid handling parameters for viscous liquid transfers with pipetting robots, a "sticky situation"”
Pablo Quijano Velasco, Kai Yuan Andre Low, Chang Jie Leong, Wan Ting Ng, Selina Qiu, Shivam Jhunjhunwala, Bryant Li, Anne Qian, Kedar Hippalgaonkar, Jayce Jian Wei ChengDigital Discovery 3, 2024, 1011-1020. (https://pubs.rsc.org/en/content/articlehtml/2024/dd/d3dd00255a) -
マテリアルズインフォマティクス
“Computational discovery of fast interstitial oxygen conductors”
Jun Meng, Md Sariful Sheikh, Ryan Jacobs, Jian Liu, William O. Nachlas, Xiangguo Li, Dane MorganNat. Mater., 2024. (https://www.nature.com/articles/s41563-024-01919-8) -
マテリアルズインフォマティクス
“Sequential closed-loop Bayesian optimization as a guide for organic molecular metallophotocatalyst formulation discovery”
Xiaobo Li, Yu Che, Linjiang Chen, Tao Liu, Kewei Wang, Lunjie Liu, Haofan Yang, Edward O. Pyzer-Knapp, Andrew I. CooperNat. Chem., 2024. (https://www.nature.com/articles/s41557-024-01546-5) -
マテリアルズインフォマティクス
“Developments and applications of the OPTIMADE API for materials discovery, design, and data exchange”
Matthew L. Evans, et al.Digital Discovery, 2024. (https://pubs.rsc.org/en/content/articlelanding/2024/dd/d4dd00039k) -
プロセスインフォマティクス
“Materials science in the era of large language models: a perspective”
Ge Lei, Ronan Docherty, Samuel J. CooperDigital Discovery 3, 2024, 1257-1272. (https://pubs.rsc.org/en/content/articlelanding/2024/dd/d4dd00074a) -
自律
“Autonomous laboratories for accelerated materials discovery: a community survey and practical insights”
Linda Hung, Joyce A. Yager, Danielle Monteverde, Dave Baiocchi, Ha-Kyung Kwon, Shijing Sun, Santosh SuramDigital Discovery 3, 2024, 1273-1279. (https://pubs.rsc.org/en/content/articlehtml/2024/dd/d4dd00059e) -
マテリアルズインフォマティクス
“AI-NERD: Elucidation of relaxation dynamics beyond equilibrium through AI-informed X-ray photon correlation spectroscopy”
James P. Horwath, Xiao-Min Lin, Hongrui He, Qingteng Zhang, Eric M. Dufresne, Miaoqi Chu, Subramanian K.R.S. Sankaranarayanan, Wei Chen, Suresh Narayanan, Mathew J. CherukaraNat. Commun. 15, 2024, 5945. (https://www.nature.com/articles/s41467-024-49381-z) -
自律
“Co-orchestration of multiple instruments to uncover structure–property relationships in combinatorial libraries”
Boris N. Slautin, Utkarsh Pratiush, Ilia N. Ivanov, Yongtao Liu, Rohit Pant, Xiaohang Zhang, Ichiro Takeuchi, Maxim A. Ziatdinov, Sergei V. KalininDigital Discovery, 2024. (https://pubs.rsc.org/en/content/articlehtml/2024/dd/d4dd00109e) -
マテリアルズインフォマティクス
“Large Language Models for Inorganic Synthesis Predictions”
Seongmin Kim, Yousung Jung, Joshua SchrierJ. Am. Chem. Soc., 2024. (https://pubs.acs.org/doi/10.1021/jacs.4c05840) -
プロセスインフォマティクス
“Targeted materials discovery using Bayesian algorithm execution”
Sathya R. Chitturi, Akash Ramdas, Yue Wu, Brian Rohr, Stefano Ermon, Jennifer Dionne, Felipe H. da Jornada, Mike Dunne, Christopher Tassone, Willie Neiswanger, Daniel RatnerNpj Comput. Mater. 10, 2024, 156. (https://www.nature.com/articles/s41524-024-01326-2)
-
マテリアルズインフォマティクス
“Creation of crystal structure reproducing X-ray diffraction pattern without using database”
Joohwi Lee, Junpei Oba, Nobuko Ohba, Seiji Kajita.NPJ Comput. Mater. 9, 2023, 135. (https://www.nature.com/articles/s41524-023-01096-3) -
プロセスインフォマティクス
“Continuous flow synthesis of pyridinium salts accelerated by multi-objective Bayesian optimization with active learning”
John H. Dunlap, Jeffrey G. Ethier, Amelia A. Putnam-Neeb, Sanjay Iyer, Shao-Xiong Lennon Luo, Haosheng Feng, Jose Antonio Garrido Torres, Abigail G. Doyle, Timothy M. Swager, Richard A. Vaia, Peter Mirau, Christopher A. Crouse, Luke A. Baldwin.Chem. Sci. 14.30, 2023, 8061-8069. (https://pubs.rsc.org/en/content/articlelanding/2023/SC/D3SC01303K) -
マテリアルズインフォマティクス
“polyBERT: a chemical language model to enable fully machine-driven ultrafast polymer informatics”
Christopher Kuenneth, Rampi Ramprasad.Nat.commun. 14, 2003, 4099. (https://www.nature.com/articles/s41467-023-39868-6) -
プロセスインフォマティクス
“Precursor recommendation for inorganic synthesis by machine learning materials similarity from scientific literature”
Tanjin He, Haoyan Huo, Christoper J. Bartel, Zheren Wang, Kevin Cruse, Gerbrand Ceder.Sci.Adv. 9, 2023, eadg8180. (https://www.science.org/doi/10.1126/sciadv.adg8180) -
自律
“Combining data and theory for derivable scientific discovery with AI-Descartes”
Cristina Cornelio, Sanjeeb Dash, Vernon Austel, Tyler R. Josephson, Joao Goncalves, Kenneth L. Clarkson, Nimrod Megiddo, Bachir El Khadir, Lior Horesh.Nat.commun. 14, 2023, 1777. (https://www.nature.com/articles/s41467-023-37236-y) -
プロセスインフォマティクス
“Adaptively driven X-ray diffraction guided by machine learning for autonomous phase identification”
Nathan J. Szymanski, Christopher J. Bartel, Yan Zeng, Mouhamad Diallo, Haegyeom Kim, Gerbrand Ceder.NPJ Comput. Mater. 9, 2023, 31. (https://www.nature.com/articles/s41524-023-00984-y) -
自律
“Navigating phase diagram complexity to guide robotic inorganic materials synthesis”
Jiadong Chen, Samuel R. Cross, Lincoln J. Miara, Jeong-Ju Cho, Yan Wang, Wenhao Sun.arXiv preprint arXiv 2304, 2023, 00743. (https://arxiv.org/abs/2304.00743) -
自律
“NIMS-OS: an automation software to implement a closed loop between artificial intelligence and robotic experiments in materials science”
Ryo Tamura, Koji Tsuda, Shoichi MatsudaarXiv preprint arXiv 2304, 2023, 13927. (https://www.tandfonline.com/doi/full/10.1080/27660400.2023.2232297) -
マテリアルズインフォマティクス
“Predicting the synthesizability of crystalline inorganic materials from the data of known material compositions”
Evan R. Antoniuk, Gowoon Cheon, George Wang, Daniel Bernstein, William Cai, Evan J. Reed.NPJ Comput. Mater. 9, 2023, 155. (https://www.nature.com/articles/s41524-023-01114-4) -
マテリアルズインフォマティクス
“Inverse design of chiral functional films by a robotic AI-guided system”
Yifan Xie, Shuo Feng, Linxiao Deng, Aoran Cai, Liyu Gan, Zifan Jiang, Peng Yang, Guilin Ye, Zaiqing Liu, Li Wen, Qing Zhu, Wanjun Zhang, Zhanpeng Zhang, Jiahe Li, Zeyu Feng, Chutian Zhang, Wenjie Du, Lixin Xu, Jun Jiang, Xin Chen, Gang ZouNat. Commun. 14, 2023, 6177. (https://www.nature.com/articles/s41467-023-41951-x) -
自律
“Exploration of Solution-Processed Bi/Sb Solar Cells by Automated Robotic Experiments Equipped with Microwave Conductivity”
Chisato Nishikawa, Ryosuke Nishikubo, Fumitaka Ishiwari, and Akinori SaekiJACS Au, 2023. (https://pubs.acs.org/doi/10.1021/jacsau.3c00519) -
自律
“AI-driven robotic chemist for autonomous synthesis of organic molecules”
Taesin Ha, Dongseon Lee, Youngchun Kwon, Min Sik Park, Sangyoon Lee, Jaejun Jang, Byungkwon Choi, Hyunjeong Jeon, Jeonghun Kim, Hyundo Choi, Hyung-Tae Seo, Wonje Choi, Wooram Hong, Young Jin Park, Junwon Jang, Joonkee Cho, Bosung Kim, Hyukju Kwon, Gahee Kim, Won Seok Oh, Jin Woo Kim, Joonhyuk Choi, Minsik Min, Aram Jeon, Yongsik Jung, Eunji Kim, Hyosug Lee, Youn-Suk ChoiSci. Adv. 9, 2023, eadj0461. (https://www.science.org/doi/10.1126/sciadv.adj0461) -
自律
“Optimizing Perovskite Thin-Film Parameter Spaces with Machine Learning-Guided Robotic Platform for High-Performance Perovskite Solar Cells”
Jiyun Zhang, Bowen Liu, Ziyi Liu, Jianchang Wu, Simon Arnold, Hongyang Shi, Tobias Osterrieder, Jens A. Hauch, Zhenni Wu, Junsheng Luo, Jerrit Wagner, Christian G. Berger, Tobias Stubhan, Frederik Schmitt, Kaicheng Zhang, Mykhailo Sytnyk, Thomas Heumueller, Carolin M. Sutter-Fella, Ian Marius Peters, Yicheng Zhao, Christoph J. BrabecAdv. Energy Mater., 2023, 2302594. (https://onlinelibrary.wiley.com/doi/10.1002/aenm.202302594?af=R) -
自律
“Smart Dope: A Self-Driving Fluidic Lab for Accelerated Development of Doped Perovskite Quantum Dots”
Fazel Bateni, Sina Sadeghi, Negin Orouji, Jeffrey A. Bennett, Venkat S. Punati, Christine Stark, Junyu Wang, Michael C. Rosko, Ou Chen, Felix N. Castellano, Kristofer G. Reyes, Milad AbolhasaniAdv. Energy Mater., 2023, 2302303. (https://onlinelibrary.wiley.com/doi/10.1002/aenm.202302303?af=R) -
マテリアルズインフォマティクス
“High-Throughput Automated Exploration of Phase Growth Behaviors in Quasi-2D Formamidinium Metal Halide Perovskites”
Jonghee Yang, Benjamin J. Lawrie, Sergei V. Kalinin, Mahshid AhmadiAdv. Energy Mater., 2023, 2302337. (https://onlinelibrary.wiley.com/doi/10.1002/aenm.202302337) -
自律
“An autonomous laboratory for the accelerated synthesis of novel materials”
Nathan J. Szymanski, Bernardus Rendy, Yuxing Fei, Rishi E. Kumar, Tanjin He, David Milsted, Matthew J. McDermott, Max Gallant, Ekin Dogus Cubuk, Amil Merchant, Haegyeom Kim, Anubhav Jain, Christopher J. Bartel, Kristin Persson, Yan Zeng, Gerbrand CederNature 624, 2023, 86-91. (https://www.nature.com/articles/s41586-023-06734-w) -
マテリアルズインフォマティクス
"Automated classification of big X-ray diffraction data using deep learning models”
Jerardo E. Salgado, Samuel Lerman, Zhaotong Du, Chenliang Xu, Niaz AbdolrahimNPJ Comput. Mater. 9, 2023, 214. (https://www.nature.com/articles/s41524-023-01164-8) -
マテリアルズインフォマティクス
"Fine-tuning GPT-3 for machine learning electronic and functional properties of organic molecules”
Linjiang Chen, Zikai Xie, Xenophon Evangelopoulos, Omer H Omar, Alessandro Troisi, Andrew CooperChem. Sci., 2023. (https://pubs.rsc.org/en/Content/ArticleLanding/2023/SC/D3SC04610A) -
マテリアルズインフォマティクス
"A rule-free workflow for the automated generation of databases from scientific literature”
Luke P. J. Gilligan, Matteo Cobelli, Valentin Taufour, Stefano SanvitoNpj Comput. Mater. 9, 2023, 222.(https://www.nature.com/articles/s41524-023-01171-9) -
マテリアルズインフォマティクス
"Neural structure fields with application to crystal structure autoencoders”
Naoya Chiba, Yuta Suzuki, Tatsunori Taniai, Ryo Igarashi, Yoshitaka Ushiku, Kotaro Saito, Kanta OnoCommunications Materials 4, 2023, 106.(https://www.nature.com/articles/s43246-023-00432-w) -
プロセスインフォマティクス
"Autonomous chemical research with large language models”
Daniil A. Boiko, Robert MacKnight, Ben Kline, Gabe GomesNature 624, 2023, 570–578. (https://www.nature.com/articles/s41586-023-06792-0) -
自律
"Autonomous, multiproperty-driven molecular discovery: From predictions to measurements and back”
Brent A. Koscher, Richard B. Canty, Matthew A. Mcdonald, Kevin P. Greenman, Charles J. Mcgill, Camille L. Bilodeau, Wengong Jin, Haoyang Wu, Florence H. Vermeire, Brooke Jin, Travis Hart, Timothy Kulesza, Shih-Cheng Li, Tommi S. Jaakkola, Regina Barzilay, Rafael Gómez-Bombarelli, William H. Green, Klavs F. JensenScience 382, 2023, eadi1407. (https://www.science.org/doi/10.1126/science.adi1407) -
自律
“Autonomous and dynamic precursor selection for solid-state materials synthesis”
Nathan J. Szymanski, Pragnay Nevatia, Christopher J. Bartel, Yan Zeng, Gerbrand CederNat. Commun. 14, 2023, 6956. (https://www.nature.com/articles/s41467-023-42329-9)
-
自律
“Data-driven automated robotic experiments accelerate discovery of multi-component electrolyte for rechargeable Li–O2 batteries”
Shoichi Matsuda, Guillaume Lambard, Keitaro SodeyamaCell Rep. Phys. Sci. 3, 2022, 100832. (https://doi.org/10.1016/j.xcrp.2022.100832)要約
リチウム酸素電池の電解質の性能評価のための自動電気化学実験が行われた。ベイズ最適化を用いた機械学習手法による、効果的な自動ハイスループットロボット実験を通して、多成分の電解質添加剤が発見された。発見された添加剤を用いると、各種成分の相乗効果により安定した固体電解質界面が得られることが明らかとなった。(文責: 中山)
-
自律
“Autonomous optimization of non-aqueous Li-ion battery electrolytes via robotic experimentation and machine learning coupling”
Adarsh Dave, Jared Mitchell, Sven Burke, Hongyi Lin, Jay Whitacre, Venkatasubramanian ViswanathanNat. Commun. 13, 2022,5454. (https://doi.org/10.1038/s41467-022-32938-1)要約
本研究では、特注の自動実験ロボット装置と機械学習(ベイズ最適化ベースの実験プランナー「Dragonfly」)を組み合わせた自律実験システムの開発が行われた。Liイオン電池に用いる非水系電解液の自律的最適化(2日間で42回の実験)により、高速充電が可能な6つの非水系電解液が発見された。(文責: 中山)
-
自律
“Finding a novel electrolyte solution of lithium-ion batteries using an autonomous search system based on ensemble optimization”
Akitoshi Suzumura, Hiroshi Ohno, Nobuaki Kikkawa, Kensuke TakechiJ. Power Sources. 51, 2022, 231698. (https://doi.org/10.1016/j.jpowsour.2022.231698)要約
本研究では、独自の電気化学用自律実験装置を用いて、イオン伝導度が最大となるように4つの電解質溶液の組成が最適化された。この自律型電気化学試験システムは、手動測定に比べてスループットが10倍向上した。また、異なるベイジアンアルゴリズムの並列使用により、最適化の安定性が向上した。(文責: 中山)
-
自律
“Efficient autonomous material search method combining ab initio calculations, autoencoder, and multi-objective Bayesian optimization”
Yuma Iwasakia,b, Hwang Jaekyuna, Yuya Sakurabac, Masato Kotsugid, Yasuhiko IgarashiSTAM Methods 2, 2022, 365. (https://doi.org/10.1080/27660400.2022.2123263)要約
第一原理計算とベイズ最適化を組み合わせた自律的な物質探索システムを開発した。本研究では、元素間の類似性を考慮し、特定の記述子を重視しながら、複数の材料特性の多目的最適化を行うことで、ホイスラー合金の材料探索を行った。(文責: 中山)
-
自律
“Sample-efficient parameter exploration of the powder film drying process using experiment-based Bayesian optimization”
Kohei Nagai, Takayuki Osa, Gen Inoue, Takuya Tsujiguchi, Takuto Araki, Yoshiyuki Kuroda, Morio Tomizawa, Keisuke NagatoSci. Rep. 12, 2022, 1615. (https://doi.org/10.1038/s41598-022-05784-w)要約
粉体膜乾燥プロセスは燃料電池や蓄電池のものづくりの核となるプロセスである。本研究では、ロボット実験とベイズ最適化を活用して、粉体膜乾燥プロセスの自律最適化に世界で初めて成功し、新たな加熱方法を見出した。(文責: 中山)
-
自律
“Towards universal neural network potential for material discovery applicable to arbitrary combination of 45 elements”
So Takamoto, Chikashi Shinagawa, Daisuke Motoki, Kosuke Nakago, Wenwen Li, Iori Kurata, Taku Watanabe, Yoshihiro Yayama, Hiroki Iriguchi, Yusuke Asano, Tasuku Onodera, Takafumi Ishii, Takao Kudo, Hideki Ono, Ryohto Sawada, Ryuichiro Ishitani, Marc Ong, Taiki Yamaguchi, Toshiki Kataoka, Akihide Hayashi, Nontawat Charoenphakdee, Takeshi IbukaNat. Commun. 132, 2022, 2991. (https://doi.org/10.1038/s41467-022-30687-9)要約
計算機材料探索のための原子論的シミュレーションには、ニューラルネットワークポテンシャル(NNP)が特に有効であることが示されている。しかし、既存のNNPは物質探索のための幅広い応用が困難である。本発表では、45元素の任意の組み合わせに対応できる汎用的なNNPであるPFP(PreFerred Potential)を開発した。(PFPは、株式会社Preferred NetworksとENEOS株式会社が共同開発し、両者による合弁会社Preferred Computational Chemistryが提供する材料探索用の汎用原子レベルシミュレータ Matlantis™ のコア技術として使われている。)(文責: 中山)
-
自律
“Machine-Learning-Based phase diagram construction for high-throughput batch experiments”
Ryo Tamura, Guillaume Deffrennes, Kwangsik Han, Taichi Abe, Haruhiko Morito, Yasuyuki Nakamura, Masanobu Naito, Ryoji Katsube, Yoshitaro Nose, Kei Terayama.STAM Methods 2.1, 2022, 153-161. (https://www.tandfonline.com/doi/full/10.1080/27660400.2022.2076548) -
自律
“Automatic Rietveld refinement by robotic process automation with RIETAN-FP”
Ryo Tamura, Masato Sumita, Kei Terayama, Koji Tsuda, Fujio Izumi, Yoshitaka Matsushita.STAM Methods 2.1, 2022, 435-444. (https://www.tandfonline.com/doi/full/10.1080/27660400.2022.2146470?src=recsys) -
プロセスインフォマティクス
“Bayesian Optimization with Informative Covariance”
Afonso Eduardo, Michael U. GutmannTransactions on Machine Learning Research (TMLR), 2023. (https://arxiv.org/abs/2208.02704)
-
マテリアルズインフォマティクス
“Structure motif–centric learning framework for inorganic crystalline systems”
Huta R. Banjade, Sandro Hauri, Shanshan Zhang, Francesco Ricci, Weiyi Gong, Geoffroy Hautier, Slobodan Vucetic*, Qimin Yan*Science Advances 7, 2021, eabf175. (https://www.science.org/doi/10.1126/sciadv.abf1754)要約
金属酸化物の電子構造を、構造モチーフを用いて機械学習で予測し、バンドギャップを推定。
22,606の金属酸化物のモチーフから学習し、グラフニューラルネットワークを利用した。(文責: 石附) -
マテリアルズインフォマティクス
“Active discovery of organic semiconductors”
Christian Kunkel, Johannes T. Margraf, Ke Chen, Harald Oberhofer, Karsten Reuter.Nature Communications 12, 2021, 2422. (https://www.nature.com/articles/s41467-021-22611-4)要約
有機分子の多様性により、有機半導体のデザイン可能性は無限に広がっている。そのため、優れた有機半導体を発見するには効率的な探索が不可欠である。本研究では、有機半導体の発見を導く機械学習法として、能動的機械学習(AML; active machine learning)に着目し、効率的な電荷注入と電荷移動度を記述子として、優れた分子候補を迅速に発見した。(文責: 中山)
-
マテリアルズインフォマティクス
“Inferring experimental procedures from text-based representations of chemical reactions”
Alain C. Vaucher, Philippe Schwaller, Joppe Geluykens, Vishnu H. Nair, Anna Iuliano, Teodoro Laino.Nature Communications 12, 2021, 2573. (https://www.nature.com/articles/s41467-021-22951-1)要約
ある化学反応を実際に実行するための実験手順(溶媒や反応条件など)の予測に機械学習を用いる研究はこれまでほとんどなかった。著者らは最新の自然言語モデルを用いて、特許から実験手順テキストを抽出・処理することにより、693,517の化学式と関連する動作シーケンスからなるデータセットを作成した。このデータセットを用いて学習したAIモデルは、化学式から実験手順を予測することが可能であり、その手順は、50%以上のケースで人間の介入なしに実行するのに十分であることがわかった。(文責: 中山)
-
マテリアルズインフォマティクス
“Inferring experimental procedures from text-based representations of chemical reactions”
Alain C. Vaucher, Philippe Schwaller, Joppe Geluykens, Vishnu H. Nair, Anna Iuliano, Teodoro Laino.Nature Communications 12, 2021, 2573. (https://www.nature.com/articles/s41467-021-22951-1)要約
ある化学反応を実際に実行するための実験手順(溶媒や反応条件など)の予測に機械学習を用いる研究はこれまでほとんどなかった。著者らは最新の自然言語モデルを用いて、特許から実験手順テキストを抽出・処理することにより、693,517の化学式と関連する動作シーケンスからなるデータセットを作成した。このデータセットを用いて学習したAIモデルは、化学式から実験手順を予測することが可能であり、その手順は、50%以上のケースで人間の介入なしに実行するのに十分であることがわかった。(文責: 中山)
-
自律
“A robotic prebiotic chemist probes long term reactions of complexifying mixtures”
Silke Asche, Geoffrey J. T. Cooper, Graham Keenan, Cole Mathis, Leroy Cronin.Nature Communications 12, 2021, 3547. (https://www.nature.com/articles/s41467-021-23828-z)要約
地球上の生命の誕生に関する生物化学的仮説を実験的に検証するためには、広大な多成分反応を探索するための長期的な自律実験が必要となる。本研究では、自律的な物質合成が可能なロボット化学者が4週間以上にわたり連続で実験を行い、単純な前駆体から複雑性の高い分子を生成することを発見した。このような実験は、酵素以前の生化学的経路の出現に関する長年の仮説を検証するために利用できると考えられる。(文責: 中山)
-
プロセスインフォマティクス
“Multi-Fidelity High-Throughput Optimization of Electrical Conductivity in P3HT-CNT Composites”
Daniil Bash, Yongqiang Cai, Vijila Chellappan, Swee Liang Wong, Xu Yang, Pawan Kumar, Jin Da Tan, Anas Abutaha, Jayce JW Cheng, Yee-Fun Lim, Siyu Isaac Parker Tian, Zekun Ren, Flore Mekki-Berrada, Wai Kuan Wong, Jiaxun Xie, Jatin Kumar, Saif A. Khan, Qianxiao Li,* Tonio Buonassisi,* Kedar Hippalgaonkar*Advanced. Functional. Materials. 31, 2021, 2102606 (https://doi.org/10.1002/adfm.202102606)要約
半自動ハイスループットプラットフォームとベイズ最適化を組み合わせることで、レギュラーポリ-3-ヘキシルチオフェン(P3HT)とカーボンナノチューブ(CNT)からなる機能性複合材料の電気伝導度の最大化を達成した。(文責: 中山)
-
自律
“Data-science driven autonomous process optimization”
Melodie Christensen, Lars P. E. Yunker, Folarin Adedeji, Florian Häse, Loïc M. Roch, Tobias Gensch, Gabriel dos Passos Gomes, Tara Zepel, Matthew S. Sigman, Alán Aspuru-Guzik, Jason E. Hein.Communications Chemistry volume 4, 2021, 112. (https://doi.org/10.1038/s42004-021-00550-x)要約
全自動クローズドループ実験により、有機反応の1種である鈴木-宮浦カップリングの収率の最適化を行っている。ChemOSを用いることで、連続変数(触媒量、触媒比、原料比、反応温度)に加えて、カテゴリー変数(触媒の種類)を用いて、最適化していることが特徴。また、ベイズ最適化の過程では、8個の反応を並列で行い、最適化完了までの時間を短縮している。
-
マテリアルズインフォマティクス
“Pushing the frontiers of density functionalsby solving the fractional electron problem”
James Kirkpatrick*, Brendan McMorrow, David H. P. Turban, Alexander L. Gaunt, James S. Spencer, Alexander G. D. G. Matthews, Annette Obika, Louis Thiry, Meire Fortunato, David Pfau, Lara Román Castellanos, Stig Petersen, Alexander W. R. Nelson, Pushmeet Kohli, Paula Mori-Sánchez, Demis Hassabis, Aron J. Cohen.Science 374, 2021, 1385–1389. (https://www.science.org/doi/10.1126/science.abj6511)要約
密度汎関数理論(DFT)は、化学、生物学、材料科学におけるさまざまな系の特性を予測するために最も広く使われている。しかし、最新の汎関数においても、非整数電子系・スピン系については誤差が大きいことが課題であった。そこで、そのような非整数電子・スピン系の計算結果を学習データに追加しニューラルネットワークを学習させることで、新たな汎関数DM21を開発し、その課題を解決した。(文責: 中山)
-
プロセスインフォマティクス
“Machine learning–accelerated design and synthesis of polyelemental heterostructures”
Carolin B. Wahl, Muratahan Aykol, Jordan H. Swisher, Joseph H. Montoya, Santosh K. Suram, Chad A. Mirkin*Sci. Adv. 7, 2021, eabj5505. (https://www.science.org/doi/10.1126/sciadv.abj5505#)要約
8次元化学空間(Au-Ag-Cu-Co-Ni-Pd-Sn-Pt)のデータを入力として、ベイズ最適化アルゴリズムを用いて、特定の界面モチーフを持つ多元素ナノ粒子を得た。これまで知られていなかったナノ粒子組成を提案して、その結果をアルゴリズムに繰り返し共有させることにより合成を行う。このフィードバックループにより、化学的直感だけでは発見できない複雑なヘテロ接合ナノ材料18種の合成に成功した。(文責: 中山)
-
マテリアルズインフォマティクス
"Bayesian reaction optimization as a tool for chemical synthesis"
Benjamin J. Shields, Jason Stevens, Jun Li, Marvin Parasram, Farhan Damani, Jesus I. Martinez Alvarado, Jacob M. Janey, Ryan P. Adams, and Abigail G. DoyleNature 590(7844), 2021, 89-96. (https://www.nature.com/articles/s41586-021-03213-y)要約
ベイズ最適化を用いて、最適な有機合成条件を探索した論文。ベイズ最適化とは、ブラックボックス関数を最適化する機械学習の方法である。本論文では、ハイスループット合成装置を用い、原料の置換基・触媒・反応温度などを変えた実験を繰り返して収率を最適化した。その結果、実験数と実験結果のどちらにおいても、ベイズ最適化が人間よりも優れていることが示された。効率的な合成手法の検討のためには、このようなAI技術を活用することが重要ではないかと感じた。(文責: 石附)
-
自律
“Autonomous Discovery of Battery Electrolytes with Robotic Experimentation and Machine Learning”
Adarsh Dave, Jared Mitchell, Kirthevasan Kandasamy, Han Wang, Sven Burke, Biswajit Paria, BarnabásPóczos, Jay Whitacre,* Venkatasubramanian ViswanathanCell Reports Physical Science, 1, 2020, 100264. (https://doi.org/10.1016/j.xcrp.2020.100264)要約
液体を扱ったロボット実験とベイズ最適化による水系電池電解質の自律的な発見。40時間に及ぶ140種類の電解質配合の実験テストで最適な電解質を発見した。発見された電解質は、既知の設計原理とは反する材料であり、ロボットと機械学習を組み合わせることで、研究者の常識とは異なる新しい電池材料を発見する可能性を示している。 (文責: 中山)
-
自律
"Self-driving laboratory for accelerated discovery of thin-film materials"
B. P. MacLeod, F. G. L. Parlane, T. D. Morrissey, F. Häse, L. M. Roch, K. E. Dettelbach, R. Moreira, L. P. E. Yunker, M. B. Rooney, J. R. Deeth, V. Lai, G. J. Ng, H. Situ, R. H. Zhang, M. S. Elliott, T. H. Haley, D. J. Dvorak, A. Aspuru-Guzik, J. E. Hein, and C. P. BerlinguetteSci. Adv., 6, 2020, eaaz8867. (https://doi.org/10.1126/sciadv.aaz8867)要約
有機薄膜を創製するプラットフォーム「Ada」の事例。Ada は、グリッパー、ピペット、アームを備えたロボットによって、液体注入や基板搬送ができる。ペロブスカイト太陽電池に用いられる有機正孔輸送材料の正孔移動度について、ドーパントと正孔輸送剤との比率、および、アニール時間を変数として、ベイズ最適化により最大化した。原料の調整、基板上へのスピンコート、アニール、UV-vis-NIR スペクトル測定、電流-電圧曲線測定、移動度の計算、ベイズ最適化による次の実験の設計、というClosed-loop を繰り返すことにより、従来は9 ヵ月かかっていた実験が、5 日間で完了した。(文責:石附)
-
自律
"Autonomous discovery of optically active chiral inorganic perovskite nanocrystals through an intelligent cloud lab"
Jiagen Li, Junzi Li, Rulin Liu, Yuxiao Tu, Yiwen Li, Jiaji Cheng, Tingchao He, and Xi ZhuNat. Comm., 11, 2020, 2046. (https://doi.org/10.1038/s41467-020-15728-5)要約
フロー合成装置の活用例。原料溶液濃度と温度を独立変数としたSNOBFIT 法(Stable Noisy Optimization by Branch and Fit)により、円偏光二色性を最大化したCsPbBr3 ナノ粒子を創製した。装置上の工夫として、クラウド化による遠隔操作や、ロボットアーム活用による物性評価装置への試料の移送が挙げられる。(文責:石附)
-
自律
"A mobile robotic chemist"
Benjamin Burger, Phillip M. Maffettone, Vladimir V. Gusev, Catherine M. Aitchison, Yang Bai, Xiaoyan Wang, Xiaobo Li, Ben M. Alston, Buyi Li, Rob Clowes, Nicola Rankin, Brandon Harris, Reiner Sebastian Sprick & Andrew I. CooperNature 583, 2020, 237-241. (https://www.nature.com/articles/s41586-020-2442-2)要約
自律的に移動できるロボットアームを活用した人間の動作をそのまま行うことができるロボットについての論文。水から水素を生成する光触媒の探索を行い、8日間で688回の実験を行い、初期に配合した触媒の6倍以上の性能を持つ混合物を同定した。従来のロボットは特定の操作を行うために開発されたものが多かったが、A mobile robotic chemist は人間と同じ操作を行うことができるため、様々な応用が期待される。(文責: 木村)
-
マテリアルズインフォマティクス
"Unsupervised word embedding capture latent knowledge from materials science literature"
Vahe Tshitoyan, John Dagdelen, Leigh Weston , Alexander Dunn, Ziqin Rong, Olga Kononova, Kristin A. Persson, Gerbrand Ceder, and Anubhav JainNature 571(7763), 2019, 95-98. (https://www.nature.com/articles/s41586-019-1335-8)要約
自然言語処理の1つであるword embeddingsを材料科学に応用した論文。過去の文献に登場した単語をベクトル化したうえで、熱電性と類似度が近い材料をランキング。1922-2009年までの文献データを用いて新規な熱電材料を推測した結果、ランキング上位5つのうち3つが、2012-2017年に実際に報告されていた。
<用語解説>
・自然言語処理:人間の言語(自然言語)をコンピュータに処理させる技術。
・word embeddings:意味の類似したものが近くに配置されるように、単語をベクトル表現する技術。単語同士の類似性は、ベクトル同士のコサイン類似度で判別する。(文責: 石附) -
自律
"Organic synthesis in a modular robotic system driven by a chemical programming language"
Sebastian Steiner, Jakob Wolf, Stefan Glatzel, Anna Andreou, Jaroslaw M. Granda, Graham Keenan, Trevor Hinkley, Gerardo Aragon-Camarasa, Philip J. Kitson, Davide Angelone, and Leroy CroninScience 363(6423), 2019, eaav2211(https://science.sciencemag.org/content/363/6423/eaav2211.abstract)要約
反応、ろ過、分液、溶媒の減圧留去を自動で行うロボットに関する論文。化学合成に適したプログラミング言語を開発したと報告されている。本論文のロボットは、反応条件を最適化するAI技術と相性が良いと感じた。(文責: 石附)
-
プロセスインフォマティクス
"Bayesian Optimization for Multi-objective Optimization and Multi-point Search"
Takashi Wada, Hideitsu HinoarXiv preprint arXiv 1905, 2019, 02370.(https://arxiv.org/pdf/1905.02370.pdf)
-
プロセスインフォマティクス
“Efficient search of compositional space for hybrid organic–inorganic perovskites via Bayesian optimization”
Henry C. Herbol, Weici Hu, Peter Frazier, Paulette Clancy, Matthias Poloczeknpj Computational Materials, 4, 2018, 51 (2018) (https://doi.org/10.1038/s41524-018-0106-7)要約
望ましい特性を持つ有機無機ハイブリッドペロブスカイト(HOIP)を得るには、多様な選択肢の中からカチオン、ハロゲン化物、溶媒の混合物を選択する必要がある。本研究では、探索空間が成分の有無を示すバイナリ変数で与えられる場合に有効なベイズ最適化手法を提案している。提案手法により、72通りの組み合わせからなるHOIP組成空間において15±10回の計算で最適な組成を見出すことができた。(文責: 中山)
-
プロセスインフォマティクス
“Phoenics: A Bayesian Optimizer for Chemistry”
Florian Häse, Loïc M. Roch, Christoph Kreisbeck, Alán Aspuru-Guzik*ACS Cent. Sci. 4, 2018, 1134–1145 (https://doi.org/10.1021/acscentsci.8b00307)要約
多目的最適化(複数の目的関数(物性値・収量など)を同時に満たす合成条件を見つけること)は一般に困難である。Chimeraは実験や計算のための汎用的な多目的最適化手法である。個々の目的関数に関する詳細な事前知識が必要ないことが利点である。(文責: 中山)
-
プロセスインフォマティクス
“Chimera: enabling hierarchy based multi-objective optimization for self-driving laboratories”
Florian Hase, Loïc M. Roch, Alán Aspuru-Guzik*Chem. Sci., 9, 2018, 7642–7655 (https://doi.org/10.1039/C8SC02239A)要約
Phoenicsは、ベイズ最適化とベイズカーネル密度推定を組み合わせた、化学分野用の確率的大域的最適化アルゴリズムである。効率的な並列探索が可能であり、実験や長時間の計算のような、評価するのに高いコストを要する未知の目的関数の迅速な最適化が期待される。(文責: 中山)
-
マテリアルズインフォマティクス
“Materials Synthesis Insights from Scientific Literature via Text Extraction and Machine Learning”
Edward Kim, Kevin Huang, Adam Saunders, Andrew McCallum, Gerbrand Ceder, Elsa Olivetti*Chem. Mater. 29, 2017, 9436-9444. (https://doi.org/10.1021/acs.chemmater.7b03500)要約
過去数年間、Materials Genome Initiative (MGI)の取り組みにより、優れた材料の予測が膨大に生まれており、実際に物質合成を行う段階がボトルネックになりつつある。そこで、著者らは自然言語処理技術を利用して、数万件の学術論文から材料合成パラメータを自動的にコンパイルする手法を開発した。(文責: 中山)
-
自律
"Autonomy in materials research: a case study in carbon nanotube growth"
P. Nikolaev, D. Hooper, F. Webber, R. Rao, K. Decker, M. Krein, J. Poleski, R. Barto, and B. Maruyamanpj Comput. Mater., 2, 2016, 16031. (https://www.nature.com/articles/npjcompumats201631)要約
米国空軍研究所のMaruyamaグループによる、化学気相蒸着(CVD)法によるカーボンナノチューブの合成に特化した自律的物質創製ロボットの例である。触媒を付着させたシリコンの柱を基板上に予め数千個作成した後に、基板を繰り返し動かしながらレーザー(波長532 nm)で柱を1 本ずつ加熱し、個々の柱上に成長条件の異なるカーボンナノチューブを合成した。この加熱レーザーをラマン分光法の励起源としても使用し、成長速度をその場観察している。成長速度の最大化を目的として、温度、圧力、ガス組成を遺伝的アルゴリズムで最適化した。なお、このグループからは、最適化アルゴリズムとしてベイズ最適化を適用した続報も存在する。(文責:石附)
-
自律
"A self optimizing synthetic organic reactor system using real-time in-line NMR spectroscopy"
Victor Sans, Luzian Porwol, Vincenza Dragone, and Leroy CroninChem. Sci., 6, 2015, 1258-1264. (https://doi.org/10.1039/C4SC03075C)
-
自律
"Rapid Discovery of a Novel Series of Abl Kinase Inhibitors by Application of an Integrated Microfluidic Synthesis and Screening Platform"
Bimbisar Desai, Karen Dixon, Elizabeth Farrant, Qixing Feng, Karl R. Gibson, Willem P. van Hoorn, James Mills, Trevor Morgan, David M. Parry, Manoj K. Ramjee, Christopher N. Selway, Gary J. Tarver, Gavin Whitlock, and Adrian G. WrightJ. Med. Chem., 56(7), 2013, 3033–3047. (https://doi.org/10.1021/jm400099d)要約
Abl キナーゼ阻害性能が最大となる有機低分子化合物のフロー合成装置による創製。270通り(27種×10種)の原料の組合せにおける反応生成物について、合成→評価→活性予測モデルの更新→次に合成する化合物の決定、というClosed-loop を全自動で回した。活性予測モデルでは、ランダムフォレスト回帰により、構造の異なる原料の種類という離散変数を扱った。(文責:石附)
-
自律
"An Integrated Microreactor System for Self-Optimization of a Heck Reaction: From Micro- to Mesoscale Flow Systems"
Jonathan P. McMullen, Matthew T. Stone, Stephen L. Buchwald, and Klavs F. JensenAngew. Chem. Int. Ed., 49(39), 2010, 7076-7080.(https://onlinelibrary.wiley.com/doi/10.1002/anie.201002590)要約
米国MITのK. F. Jensenグループによる、フロー合成装置による有機合成の例である。2010時点での報告内容は、有機反応であるHeck 反応の収率最大化を目的として、原料比率と反応時間を独立変数とした反応条件最適化である。実験→ HPLC 分析→ Simplex 法(Nelder–Mead 法)による次回の実験条件提案を全自動Closed-loop で行った。この他にも同グループは、最適化アルゴリズムの改良(SNOBFIT(Stable Noisy Optimization by Branch and Fit)法の適用)と、装置のモジュール化(可換化)による種々の反応への適用を報告するなど、精力的に研究を行っている。(文責:石附)
-
自律
"The Automation of Science"
Ross D. King, Jem Rowland, Stephen G. Oliver, Michael Young, Wayne Aubrey, Emma Byrne, Maria Liakata, Magdalena Markham, Pinar Pir, Larisa N. Soldatova, Andrew Sparkes, Kenneth E. Whelan, Amanda ClareScience 324(5923), 2009, 85-89. (https://science.sciencemag.org/content/324/5923/85)要約
酵母の遺伝子の機能について仮説を立て、検証する実験を自律的に行うことのできるロボット「アダム」を開発した論文。アダムは20の仮説を自律的に立て、実験で検証した。結果として、12の新規の仮説を生み出すことに成功し、人間には特定できなかった3つの遺伝子を特定することができた。仮説を立て検証するというプロセスを人間の手ではなく、ロボットがすべて行うということはとても興味深い。(文責: 木村)
-
自律
"Intelligent routes to the controlled synthesis of nanoparticles"
S. Krishnadasan, R. J. C. Brown, A. J. deMelloa, and J. C. DeMelloLab Chip, 7, 2007, 1434-1441. (https://doi.org/10.1039/B711412E)要約
フロー合成装置を用いたCdSe ナノ粒子の合成。反応温度、Cd 前駆体およびSe 前駆体の原料溶液の注入速度を独立変数としたSNOBFIT 法(Stable Noisy Optimization by Branch and Fit)により、選択した波長での発光強度の最大化を全自動Closed-loop で行った。(文責:石附)
-
自律
"Simplex Optimization of Reaction Conditions with an Automated System"
松田 りえ子, 石橋 無味雄, 武田 寧Chem. Pharm. Bull., 36(9), 1988, 3512-3518. (https://www.jstage.jst.go.jp/article/cpb1958/36/9/36_9_3512/_article/-char/ja/)要約
国立衛生試験所の松田らによる報告。試薬調整→反応→測定→次の条件生成の繰り返しを、コンピュータに接続されたロボットが自動的に行った。ここでは、ロボットアームとハンドにより試験管を操作し、2 種の試薬の量と反応時間の計3 つをパラメータとして、呈色反応をSimplex 法(modified super modified simplex (SMS2))を用いて最適化した。グリッドサーチ(網羅的な条件探索)では130 回の実験が必要であったが、ロボットシステムでは28 回以下の実験で最適化を達成した。 物質創製ではなく、分析に用いる呈色反応の最適化が目的であるものの、自律的に探索を行うロボットの先駆けとなる事例である。 なお、松田らは、この前年にも、本論文に先立って、SMS法を用いた日本語の論文「ラボラトリーロボットシステムを用いたSimplex法による反応条件の最適化」を発表している。(文責:石附)
-
自律
"Chemical process optimization by computer — a self-directed chemical synthesis system"
H. Winicov, J. Schainbaum, J. Buckley, G. Longino, J. Hill, and C. E. BerkoffAnal. Chim. Acta, 103(4), 1978, 469-476. (https://www.sciencedirect.com/science/article/pii/S000326700183110X?via%3Dihub)要約
ロボットによる自律的物質創製のアイディア自体は化学分野において古くから存在しており、例えば、1978 年には、化学反応パラメータを最適化する全自動Closed-loop ロボットのシステム設計が提案されている。ただし、この提案はシステム設計にとどまっており、ロボットを用いた実験結果の報告はない。(文責:石附)