特集総説論文
機械学習予測と実験の協働によるCO2還元触媒の高速開発
キーワード:
machine learning,
catalyst informatics,
heterogeneous catalysts,
CO2 reduction,
reverse water-gas shift
2026 年 26 巻 3 号 p. 93-100
詳細
2026 年 26 巻 3 号 p. 93-100
触媒は，資源循環，地球温暖化抑制，環境浄化をはじめとする社会課題解決の基盤技術である。データ科学に立脚した研究手法，とくに機械学習（Machine Learning：ML）は，触媒開発を加速化するアプローチとして有望視されているが，MLにより新規触媒開発に成功した事例は殆どない。新規触媒は通常，既存のデータセットの枠内ではいわゆる「外れ値」にあたるが，従来型のMLモデルでは「外れ値」を外挿予測できないためである。本稿ではまず，外挿予測を可能とする先進的なML手法を採用することでこの限界に取り組む筆者らのアプローチを解説する。さらに，ML予測と実験検討を繰り返す「Closed-loop型」探索により，CO2/H2混合ガスからCOを合成する逆水性ガスシフト（RWGS）反応に有効な新規多元素触媒を開発した事例について紹介する。筆者らのアプローチは，触媒開発にとどまらず，様々な材料開発研究を加速化する可能性を秘めている。
