新規化合物の設計にあたり、溶解度は重要なパラメータのひとつである。しかし、候補化合物全てに対し実験で溶解度を求めるのは現実的に困難であるため、定量的構造物性相関(QSPR)を利用した推算が行われている。本研究では、QSPRに用いるモデルとして情報分野で広く使われ始めている深層学習を利用した。溶質・溶媒の構造記述子から溶解度予測に必要な情報を抽出する特徴抽出層、溶質・溶媒の相互作用を表現する関係表現層の2階層のモデルを作成することで実際の化学的現象に沿ったモデル構築を行った。構築したモデルが既往の手法(Random Forest)に比べて高い予測精度を示すことを確認したほか、モデルの中間出力をIsomapによって可視化した。可視化マップを用いることで溶媒の特性の理解が可能であり、代替溶媒の探索や併用の可否判定などができる可能性を示した。
