化学空間全体にわたる還元電位予測のためのマルチ溶媒グラフニューラルネットワーク

科学分野:

• 計算化学
• 材料科学
• 機械学習

背景:

• 酸化還元電位は、触媒やエネルギー貯蔵などの用途にとって非常に重要です。
• 溶媒環境は分子の酸化還元特性を著しく変化させます。
• 溶媒にわたるこれらの電位の正確な予測は困難です。

研究 の 目的:

• 有機分子の酸化還元電位の予測モデルを開発すること。
• 多様な溶媒環境にわたる正確な予測を可能にすること。
• 目標とする酸化還元電位を持つ分子の逆設計を容易にすること。

主な方法:

• セットトランスフォーマー読み出しを備えたメッセージパッシンググラフニューラルネットワークを採用しました。
• ReSolvedデータセットの約20,000の還元電位でモデルをトレーニングしました。
• 密度汎関数理論（DFT）を使用して、電位の厳密な計算を行いました。

主要な成果:

• 予測モデルは、約0.2 eVの平均絶対誤差で高い精度を達成しました。
• モデルは、これまで未知の溶媒に対する一般化能力を示しました。
• 逆設計のために進化的アルゴリズムを組み込みました。

結論:

• 開発されたグラフニューラルネットワークは、溶媒にわたる酸化還元電位を正確に予測します。
• このアプローチにより、特定の用途向けの酸化還元活性分子の効率的な逆設計が可能になります。
• この発見は、触媒、抗酸化剤、電極材料の開発に影響を与えます。