三菱マテリアルは、同社の従業員が執筆した新材料開発において利用可能な機械学習モデルを活用した材料の特性予測技術に関する論文が、英国の総合科学雑誌「Scientific Reports」に掲載された。
今回の論文において構築した機械学習モデルは、米国立標準技術研究所(NIST)のデータベース(※1)を基にした金属錯体(※2)データを対象に、錯安定度定数(※3)を予測するモデルを構築でき、新材料開発時にも利用可能な技術になっている。

材料開発分野では、様々な材料需要の多様化に迅速に応えるため、試行錯誤に依存していた従来手法に代わってデータ科学に基づく機械学習や人工知能を活用したマテリアルズインフォマティクス(Materials Informatics：MI)を用いた開発期間の短縮、新しい材料の発見・開発が期待され、その活用が進んでいる。
今回の研究結果は、材料の特性として理解しやすい特徴量(パラメータ)を抽出しながらMIに基づく特性予測を行う一つの方法論を示すことができたものと考えられる。
三菱マテリアルは今後も新しい材料の開発および付加価値の高い製品の開発、提供を通じ、豊かな社会の構築に貢献する。

同研究成果を2022年4月に国際的な学術誌である、Springer Nature Groupの総合科学雑誌「Scientific Reports」(オンライン)に投稿し、6月に正式に受理された。

◆雑誌名：「Scientific Reports」(オンライン)
◆論文タイトル：「Machine learning-based analysis of overall stability constants of metal–ligand complexes.」
◆著者：Kaito Kanahashi, Makoto Urushihara, and Kenji Yamaguchi
◆DOI番号：10.1038/s41598-022-15300-9
◆URL
https://www.nature.com/articles/s41598-022-15300-9
■用語の解説
※1：57 種類のイオンの 19,810 個の金属錯体データ
※2：金属イオンを囲む 1 個または複数の分子などで構成されるもの
※3：めっきなどの表面処理技術、純物質を抽出する分離精製技術、薬学分野などの分子デザイン、分析化学などで用いられる金属錯体の重要な特性指数

※資料提供：三菱マテリアル