材料信息學(MI)是指通過充分利用機器學習等人工智能來大幅加速材料科學的研究和發展的嘗試。 MI的實現,無論是質量還是規模,都需要充足的“物質大數據”,但以科學論文形式積累的數據,強烈反映了研究人員的實驗方法和興趣,也有性能。用於機器學習,因為它不包含低材料數據。
這一次,日本科學技術高等研究院、北海道大學和熊本大學的聯合研究小組嘗試使用 MI 進行催化劑開發。我們開發了一種高通量催化劑評估設備,在使用催化劑從甲烷合成乙烷和乙烯的氧化偶聯反應中,每天可以自動獲取多達 4000 個催化劑數據。結果,我們在短短三天內就成功獲取了30個催化劑大數據,比過去12000年積累的數據量高出一個數量級。
此外,通過機器學習分析獲得的催化劑大數據,並根據結果改進固體催化劑和反應過程,成功地大幅提高了甲烷氧化偶聯反應的收率。
這樣一來,可以說,基於高通量實驗、材料大數據、數據科學的“催化信息學”證明,在不到一個月的實際工作時間內,可以進行30年的研究。未來,同樣的方法論有望加速各個材料領域的研究和開發,生產出有助於人類社會可持續發展的材料。