Knowledge-Informed Molecular Design for Zeolite Synthesis Using General-Purpose Pretrained Large Language Models Towards Human-Machine Collaboration

概要

有機分子を目的の応用に適した形に設計することは複雑なタスクであり、経験を積んだ実験化学者による試行錯誤が必要です。そのため、コンピュータを用いた大量の情報処理が可能になった現代でも、新しい有機分子の開発は実験化学が先導しています。そこで、実験化学の経験知と、コンピュータの情報処理能力を組み合わせた共創的な有機分子設計を実現するために、LLMを活用しました。LLMは大量のテキストデータで訓練された機械学習モデルであり、さまざまな分野のトピックをカバーしたテキストを人間のように生成できます。一例として化学工業における重要物質である無機多孔質材料「ゼオライト」の結晶化を促進する有機物（有機構造規定剤）の設計を試みました。有機構造規定剤は通常、四級アンモニウムカチオンの構造をとり、ゼオライトの結晶構造内部の空間に入り込むことで、特定の結晶相の生成を促進します。LLMが自然言語で人間と対話できる特性を活用し、分子シミュレーションによって生成されたビッグデータと、長年にわたる分子設計の知見を自然言語でLLMに教えることで、新しい有機構造規定剤の候補を得ることに成功しました。これにより、実験により性能が実証されている有機分子、それに類似した有機分子、さらには完全に新規でありながら有望な候補を生成することが可能となりました。このアプローチは、分子設計のみならず、医薬品開発やその他の複雑な化合物設計にも新たな可能性をもたらすと考えられます。