AIエージェントが持続可能な燃料開発のための触媒探索を加速

中国に拠点を置く複数機関のチームが最近、AIを使って、二酸化炭素を持続可能な燃料の開発に利用できる分子へと変換する化学反応を開始し、加速するために用いられる「触媒」と呼ばれる化合物の重要な特性を特定しました。その後、チームはAI――「Catalysis AI Agent」と名付けられたもの――を用いて触媒設計を導き、最終的に、銅系の単原子合金（SAA）触媒のための普遍的な設計原理を発見しました。彼らは2月24日にAngewandte Chemie International Editionで結果を発表しました。

[...] Li氏が言うには、課題は、電気還元触媒は、特定の炭素生成物を作り出すために、幅広い種類の化学添加によって誘導できることにあります。多様性はまだ合理化されておらず、望ましい炭素生成物を生み出し得る銅系SAAの設計指針を誰も作っていなかったのです。

研究者らは、そうした指針を示すために、Catalysis AI Agentに取り組みました。大規模言語モデル（LLM）と呼ばれるタイプのAIであるCatalysis AI Agentは、Li氏と彼のチームが構築した巨大なデータベースで訓練することで学習しました。このデータベース「Digital Catalysis Platform（DigCat）」は、現在、触媒研究に利用可能な最大規模の実験データベースおよびAIプラットフォームです。"

"体系的な調査の第1段階は、強力なLLMベースのCatalysis AI Agentを開発し、それを使ってDigCatデータベースをマイニングすることでした"とLi氏は述べています。触媒研究のデータを調べて、傾向や類似性を見つけることが目的だったと説明しました。

Catalysis AI Agentは、銅系SAAが、他の副生成物の生成を抑制するのではなく、特定の化合物の形成を促進することで、望ましい炭素生成物を生み出しているようだということを見いだしました。この洞察により、研究者らはCatalysis AI Agentを使って、実験データと理論データの相関を分析し、その結果、添加剤――特定の炭素生成物を誘導するために使える「ドーパント」――は、研究者がそれらが化合物とどのように相互作用し、予測可能な反応を生み出すのかを解明する前に、分類される必要があることが明らかになりました。

この理解をもとに、研究者らは、特定の反応に必要なエネルギー量を記述するエネルギー記述子を確立し、銅系SAAにおいて特定の生成物へ向かう傾向を、正確に捉えられるようにSAAを分類しました。

研究者らはまた、Li氏が「驚くほど単純な構造記述子」と呼んだものを開発することもでき、炭素生成物のエネルギー活性化を直接予測できました。研究者らはこの手法を実験的に検証し、銅系ドーパントだけでなく、他の種類の金属ドーパントについても記述できることを見いだしました。

"この普遍的な設計原理は、二酸化炭素の電気化学的還元によって炭素生成物を得る際に、銅系SAAを支配する促進メカニズムと構造選択性の関係を解き明かします"とLi氏は述べています。"このパラダイムシフト――経験的な試行錯誤から、AIによって加速され、理論に導かれた触媒設計へ移行すること――は、次世代材料の発見を加速するうえで大きな可能性を秘めています。

"とりわけ本研究は、材料科学における変革的パラダイムを浮き彫りにしています。すなわち、十分に訓練された科学AIエージェントと大規模な実験データベースが、触媒性能を予測して合理化するだけでなく、将来の発見に向けて一般化可能な設計原理までも着想させる、ということです。"