M-EVO®とは

所望の物性を有する分子構造の探索
- データベースレスで実現するMIを用い
新たな新素材開発のステージへ ―

実験・計算・データサイエンスを1つのツールでカバー
M-EVO®は、開発実験担当者が一人で実験・計算・データサイエンスの3役をこなして、研究開発を効率的に行うためのツールです。 M-EVO®は、当社オリジナルのアルゴリズムにより所望の物性を有する多様な分子構造を探索し、提案します。複数の目的物性を考慮でき、合成の可能性や溶剤溶解性等の指標も含めたスコアを算出し、実用的な分子構造の探索ができます。

M-EVO®による開発フローイメージ

MIを素材の研究開発で有効活用するためには、開発実験担当者と計算担当者とデータサイエンティストの3者が協力することが大切です。現実的には、この3者が同じ土俵で議論することは容易なことではありません。開発担当者は常に実験の様子を見ながらどうしようか考えています。計算担当者は理想的な系で厳密な議論をしがちです。データサイエンティストは多量のしかも均質なデータを要求しがちです。この3者のベクトルをタイムリーに合わせるという難事を、M-EVOを使えば実現可能です。

M-EVO®の利用イメージ

M-EVO®の特徴

  • 01 逆問題を解く
    ソフトウェア

    逆問題を解くソフトウェア

  • 02 データベースを
    使わず探索可能

    データベースを使わず探索可能

    Gaussian16等計算化学手法による探索によって、データベースレスを実現しています。

  • 03 多様な分子構造を探索

    多様な分子構造を探索

    種々の骨格構造が見つかるため、有望な構造が既に特許を取得されていても、他に特許フリーの構造を見つけられる大きな可能性を有しています。

  • 04 任意の分子構造の
    周辺構造探索も可能

    任意の分子構造の周辺構造探索も可能

    条件を絞り込み、自社の製造設備や調達可能な原料で合成可能な構造を見つけられます。

  • 05 GUIで簡単操作 Python, Gaussian, データサイエンス, Linuxの知識は不要

    Python, Gaussian, データサイエンス, Linuxの知識は不要

    GUIで操作できるため、ソフトウェアに関する専門知識は不要。開発実験担当者だけでMIを行うことが出来ます。

  • 06 クラウド利用でスモールスタート ユーザーデータベースはお手元のPCの中

    クラウド利用でスモールスタート
    ユーザーデータベースはお手元のPCの中

    クラウド利用のため、初期投資がなく、月極でのご契約が可能。
    機械学習を行う際のデータベースはユーザーのPC内から動かす必要がなく、企業秘密を保守できます。

  • 07 機械学習による高速な分子構造探索が可能

  • 08 ベイズ最適化を用いた実験による絞り込み

    ベイズ最適化を用いた実験による絞り込み

    分子構造が多数見つかった場合、効率的な実験計画が立てられます。また、共重合高分子の組成や仕込み条件や工場の製造工程の条件最適化にも活用できます。

M-EVO®の機能

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。

扱える物性(2024年3月現在)

現時点で扱える物性は次の通りです。

MO・DFT法HOMO-LUMO gap、光吸収波長、発光波長、屈折率、分極率、双極子モーメント等
機械学習融点、密度、HOMO-LUMO gap、光吸収波長、発光波長、屈折率、分極率、双極子、モーメント、粘度等

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。

M-EVO®の技術

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。

※構造の多様性に関するアルゴリズムについて特許取得済み

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。

HOMO-LUMO gapが2.5eVの分子構造探索例

データベースを用意せず、Gaussian16/PM6で計算した時、下図のような分子が見つかりました。

ベイズ最適化 実施例

ベイズ最適化による高屈折率分子の探索
屈折率1.95以上の分子構造を探索したい

特許等から281分子のモノマーの屈折率を調べ、SMILESで記述した分子構造だけのファイルを入力ファイルとして用意しました。下記のフローにしたがってベイズ最適化のループを回し、12番目の分子構造で屈折率1.95以上の分子に辿り着きました。

ベイズ最適化組成・製造条件の最適化

感熱記録紙のロイコ色素と顕色剤、プリンターヘッドの温度とその印加時間の検討例を示しました。検討条件について、コンピュータが任意に1000水準決めます。その中から、実験条件が遠い8水準をコンピュータが選びます。それに対して実際に実験をし、結果を記録します。そして回帰モデルを作成し、できるだけ良い印字が得られそうな水準をコンピュータが探し出して提案します。このガイドに従って実験を行って行きます。実験データが溜まって来るにつれて、予測性能が上がってきます。

AutoMO

AutoMOは、素材開発における分子の構造と物性に関するデータベースを作成するために、分子構造をSMILES、mol、sdf形式で入力し、
Gaussian 16でDFT計算を行い、得られた物性値を蓄えるシステムです。csvファイルで保存してM-EVO®の計算データベースとして利用することができます。  


AutoMOのフロー

分子構造は二次元構造を描いて
SMILESに変換可能 

結果画面をクリックすると、赤外吸収スペクトル/ラマンスペクトル/NMRスペクトルを表示

データベースをExcelファイルに保存する際、
2次元分子構造も同時に保存
どの分子のデータかを確認可能

Contact

お問い合わせ

お客様に最適な製品をご提案いたします。まずは気軽にお問い合わせ下さい。
075-353-0120

平日9:30~17:30 (土曜日、日曜日、祝祭日、年末年始、夏期休暇は、休日とさせていただきます。)