材料信息学(MI)是指通过充分利用机器学习等人工智能来大幅加速材料科学的研究和发展的尝试。 要实现MI,无论是质量还是规模都需要足够的“物质大数据”,但以科技论文形式积累的数据,强烈反映了研究人员的实验方法和兴趣,也有性能,不适合用于机器学习,因为它不包含低材料数据。
这一次,日本先进科学技术研究所、北海道大学和熊本大学的联合研究小组尝试将 MI 用于催化剂开发。我们开发了一种高通量催化剂评估装置,在使用催化剂从甲烷合成乙烷和乙烯的氧化偶联反应中,每天可以自动获取多达 4000 个催化剂数据。结果,我们在短短三天内就成功获取了30条催化剂大数据,超过了过去12000年积累的数据数量一个数量级。
此外,通过机器学习分析获得的催化剂大数据,并根据结果改进固体催化剂和反应过程,我们成功地大幅提高了甲烷氧化偶联反应的产率。
这样,可以说,基于高通量实验、材料大数据、数据科学的“催化信息学”证明,30年的研究可以在不到一个月的实际工作中进行。未来,预计同样的方法论将加速各种材料领域的研究和开发,生产出有助于人类社会可持续发展的材料。