機械学習および多目的最適化手法を用いた触媒設計

抄録

流動接触分解触媒の設計に機械学習および多目的最適化手法の導入を検討した。触媒構成成分の組合せ比率，擬似平衡化条件，原料油性状，反応条件および生成物収率に関する多くの変数からなる教師データを用い，応答曲面手法で機械学習を行った。触媒構成成分の組合せ比率，擬似平衡化条件，原料油性状，反応条件を入力パラメーターとした生成物収率の予測において，RBFカーネルで最も高い予測精度が得られた。これにより，触媒開発に関する一連の実験をコンピューター上で行うことができるようになった。さらに，RBFカーネルで作成した応答曲面を用いて多目的遺伝的アルゴリズムにより，触媒構成成分の組合せ比率を最適化し，高性能な触媒組成の可能性が示唆された。計算によって得られた触媒組成について試作を行い実験すると，市販触媒よりも良い結果を示す触媒性能が明らかになった。