Accelerating Discovery of CO2 Reduction Catalysts through Machine Learning–Guided Experiments
Abstract
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。
Fields of Study & Subjects
Machine Learning in Materials Science
CO2 Reduction Techniques and Catalysts
Catalysts for Methane Reforming
Publication details
- Journal / source
- Oleoscience
- Volume
- 26
- Issue
- 3
- Pages
- 93–100
- Publication date
- 1 January 2026
- Language
- EN