実験化学では、生成物の高収率化を目指して反応条件の検討が行われる。検討すべき反応条件は多岐に亘り、化学者は知識や経験および直感に基づいて条件検討を行う。そのため、反応条件の最適化には、多くの労力や時間的なコストがかかる。機械学習を用いて反応条件を最適化する方法が、特にフロー反応において開発されている。本研究は、機械学習を用いたバッチ反応の条件最適化手法の開発が目的である。初めに、反応条件の中で、収率に大きく影響し、かつ検討される頻度が特に高い溶媒の最適化に注目した。溶媒の物性値を記述子として機械学習に適用し、高い主率を与える溶媒の候補を与える手法の開発を目指した。本発表では、回帰およびクラスタリングを用いた溶媒と実験収率の相関に関する解析結果を報告する。
