抄録
配位高分子は、金属イオンと架橋配位子から構成される構造体であり機能性材料として注目されている。現在、報告されている配位高分子の大多数は金属架橋部に酸素や窒素元素を含む構造となっており硫黄等を架橋部に含む構造は先行研究例が乏しく非常に少ない。一般的に新規配位高分子を合成する際は既報の報告を参考にして合成を行うが先行研究例が少ない物質では合成指針がない為、試行錯誤的に実験条件のスクリーニングを繰り返す必要があり膨大な時間を要してしまう。そこで我々は、機械学習の手法を活用し効率の良い合成条件の最適化を目指した。ハイスループット合成により得られる生成物に粉末X線回折測定を行い、その回折パターンをクラスタリング分析による自動分類をし、合成条件と回折パターンのデータセットを決定木学習により両者の相関を評価することで未知の結晶相を得られる条件だけでなく結晶構造に関する化学的考察も得られることを実証した。
