種分子を準備する

実験データベース作成機能で実験値と分子構造を入力し、データを追加することができます。 実験値が無くても、分子構造を探索しながらMO法やMD法等によりデータベース(計算値)を作成していくことができます。

機械学習により回帰モデルを作成

データベースを機械学習させることで回帰モデルを構築し、高速で物性予測を行うことができます。

操作しやすいGUI

M-EVO®は、 ①データベース作成 ②機械学習と構造探索 ③ベイズ最適化 ④設定 の4つの部分から構成されています。 これらの機能にはメニュー画面から簡単にアクセスできます。

分子構造の生成方法

M-EVO®は、原子をノード、結合をエッジとして表現するグラフ構造で分子を表現します。出発分子がベンゼンの場合、最初に炭素原子を付加すると、トルエンとなり、二重結合、炭素原子と順に付加していくとスチレンができます。

先ず、種分子から例えば1000分子を選びます。物性評価をし、スコアが最大のものを選びます。ここでは、A5です。このA5に対して、任意の原子や結合を付加し、新たに100分子作ります。さらに乱数で選んだA7から多様なフラグメントを作り、B4と交差させます。このようにして第一世代ができます。 次にこの第一世代の分子の物性を評価して、スコアが最大の分子を選び、また新たに１００分子作ります。更にB4とC4とを交差して新しい分子を作ります。これを第二世代とします。これを繰り返しながら、途中で、それまでに生成した分子を構造の類似度で分類します。このような方法で構造の多様性を生み出しています。

発生した分子構造の多様性の評価

500～600 nmに吸収を有する分子構造を10000個探索しました。 計算レベル：Gaussian16/PM6/ZINDO スコアの高い順に分子構造を見ることができます。 分子構造の分布を見ると下図のようになり、当社が開発したMCTS-GA-cluster法の方が多様な構造を生成していることが確認できます。