[論文レビュー] Precursor recommendation for inorganic synthesis by machine learning materials similarity from scientific literature

Tanjin He, Haoyan Huo+4 more|arXiv (Cornell University)|Feb 5, 2023

Machine Learning in Materials Science被引用数 4

ひとこと要約

本論文は、29,900件の文献由来の合成レシピから化学的類似性を学習することで、無機固体状態合成の前駆体材料を推薦する機械学習フレームワークを提案する。自己教師ありニューラルネットワークを用いて物質組成を符号化する手法により、2,654体の未知の標的物質について82%の成功率を達成し、スケーラブルでデータ駆動型の形で数十年にわたるヒューリスティックな合成知識を効果的に捉えている。

ABSTRACT

Synthesis prediction is a key accelerator for the rapid design of advanced materials. However, determining synthesis variables such as the choice of precursor materials is challenging for inorganic materials because the sequence of reactions during heating is not well understood. In this work, we use a knowledge base of 29,900 solid-state synthesis recipes, text-mined from the scientific literature, to automatically learn which precursors to recommend for the synthesis of a novel target material. The data-driven approach learns chemical similarity of materials and refers the synthesis of a new target to precedent synthesis procedures of similar materials, mimicking human synthesis design. When proposing five precursor sets for each of 2,654 unseen test target materials, the recommendation strategy achieves a success rate of at least 82%. Our approach captures decades of heuristic synthesis data in a mathematical form, making it accessible for use in recommendation engines and autonomous laboratories.

研究の動機と目的

• 実験研究者が通常行う、類似物質を検索して既存のレシピを再利用する文書ベースの合成設計プロセスを自動化すること。
• 大規模なテキスト抽出合成レシピのコーパスから、無機物質間の化学的類似性を学習し、データ駆動型の前駆体推薦を可能にすること。
• 自律ラボや推薦システムで利用可能な、数学的かつ再利用可能な形で、数十年にわたるヒューリスティックな合成知識を包括するスケーラブルで汎用性の高い手法を開発すること。
• 2,654体の新規標的物質を含む、歴史的に分割された大規模なテストセットを用いて、本手法の妥当性と汎用性を評価すること。

提案手法

• 自己教師ありニューラルネットワーク（PrecursorSelectorエンコーディング）を用い、前駆体組成に基づいて物質のベクトル表現を学習することで、物質類似性の定量的評価を可能にする。
• 学習済み埋め込み表現間のコサイン類似度を用いて物質類似性を算出し、類似した合成経路を持つ先行事例を同定可能にする。
• 前駆体推薦戦略として、知識ベース内から最も類似した既知の物質を特定し、その前駆体を新規標的物質の推薦に用いる。これは人間の類推的推論を模倣するものである。
• 前駆体選択と物質表現学習の両タスクを同時に最適化するため、適応的損失重み付けを用いたマルチタスクニューラルネットワークとしてモデルを訓練する。
• ベースラインモデルには「最頻度」（経験的確率）、「Magpieエンコーディング」（132要素の物性統計値）、「FastTextエンコーディング」（物質テキストからの100次元単語埋め込み）、および「生の組成」（83次元の元素分率ベクトル）が含まれる。
• データは出版年で分割され（訓練：≤2014、検証：2015–2016、テスト：2017–2020）、繰り返し報告の可能性を防ぐためにプロトタイプ式が使用される。

実験結果

リサーチクエスチョン

• RQ1 機械学習モデルは、文献から抽出した合成レシピから化学的類似性を効果的に学習し、新規無機物質の前駆体選択を支援できるか？
• RQ2 前駆体組成のニューラルネットワーク表現は、従来の化学的エンコーディング手法（例：Magpie、FastText、生の組成）と比較して、前駆体推薦の正確性において優れているか？
• RQ3 データ駆動型でアナロジーに基づくアプローチは、実験化学者が前駆体選択に用いるヒューリスティックな推論をどの程度再現できるか？
• RQ4 2,654体の新規物質を含む大規模で歴史的に未観測のテストセットにおいて、前駆体推薦の成功率はどの程度か？

主な発見

• 提案手法は、2,654体の未知の標的物質に対して、最小82%の成功率で実用的な前駆体セットを推薦し、ベースラインモデルを顕著に上回る。
• 前駆体組成から学習するPrecursorSelectorエンコーディング手法は、Magpie、FastText、生の組成といった従来のエンコーディング手法よりも、前駆体推薦の正確性において優れている。
• 訓練中に見なかった新規物質に対しても、2017年から2020年に発表された1,992体の物質を含むテストセットを用いて、モデルが良好に一般化していることが確認された。
• 前駆体組成に自己教師あり学習を適用することで、元素の物性値のみでは明らかでない、複雑な非線形関係を含む合成知識をモデルが捉えることが可能になった。
• 適応的損失重み付けを用いたマルチタスク学習フレームワークは、前駆体選択と表現学習の両方を効果的にバランスさせ、全体の推薦性能を向上させた。
• 本手法は、科学文献から抽出した数十年にわたるヒューリスティックな合成知識を、AI駆動の合成計画や自律ラボシステムで利用可能な数学的形に効果的にエンコードした。