F-要素抽出剤の自動発見のための大規模な言語モデルを拡張する

科学分野:

• 核化学 核化学は,核化学である.
• コンピューティング・ケミストリー
• マテリアルサイエンス 材料科学

背景:

• f-元素 (ランタニドとアクチニド) の効率的な分離は,先進技術にとって不可欠ですが,それらの化学的類似性によって妨げられます.
• これらの元素のための選択的溶媒抽出反応剤の開発は,ゆっくりと困難なプロセスです.

研究 の 目的:

• f元素の選択抽出剤リガンドの急速な設計とコンピューティングスクリーニングのためのAI対応のワークフローを提示する.
• Am(III) / Eu(III) のような難しい分離のための選択性を強化した新しいリガンドの発見を加速する.

主な方法:

• 大規模な言語モデル (SAFE-MolGen) を利用し,誘導分子設計と予備リガンドランキングを行いました.
• 実験データで訓練された監督された機械学習モデルを使用して,現実的な条件下でリガンドの性能を予測しました.
• 3Dの金属-リガンド複合体を構築するためのパイプラインを統合し,選択性を評価するために量子力学的自由エネルギー計算を実行しました.

主要な成果:

• 核廃棄物管理における重要な課題であるAm (III) / Eu (III) の分離のためのワークフローを実証しました.
• 基準抽出剤であるCyMe4BTBPと比較して,より高いAm(III) / Eu(III) 選択性を提供すると予測されるいくつかの新たに設計されたリガンドを特定しました.
• このデータ散らばったフィールドにおける分子空間の計算式探査を成功裏に加速した.

結論:

• AI対応のワークフローは,新しいランタニドおよびアクチニド抽出剤の生成と評価を大幅に加速します.
• このアプローチは,選択的リガンドの設計のための一般的な戦略を提供し,従来の方法の限界を克服します.
• 開発されたリガンドは,さまざまな技術アプリケーションにおけるf元素分離の効率を改善する見込みを示しています.