2022.03.10
- プレスリリース
- 研究
人工知能で蛍光有機分子を開発 -複雑な現象を示す機能性分子の開発に貢献-
横浜市立大学大学院生命医科学研究科の寺山慧准教授、物质?材料研究机构国际ナノアーキテクトニクス研究拠点の田村亮主任研究员と、理化学研究所(理研)革新知能统合研究センター目的指向基盘技术研究グループ分子情报科学チームの隅田真人研究员、津田宏治チームリーダーらの国际共同研究グループ※は、量子化学计算[1]を用いて蛍光有机分子をゼロから设计する人工知能(础滨)を开発し、础滨が考案した蛍光有机分子を実际に合成することに世界で初めて成功しました。
本研究成果は、センシングや有机エレクトロニクスなどの蛍光材料の开発に贡献すると期待できます。
蛍光は特定の有机分子が示す性质であり、蛍光有机分子の设计をゼロから原子レベルで构筑する方法はこれまでありませんでした。
今回、国際共同研究グループは、量子化学计算を通して蛍光機構をデジタル化し、深層学習[2]で分子構造を学習したAIに蛍光現象を理解させることで、蛍光有機分子をゼロから設計するAIを開発しました。このAIが設計した分子の中から8個を合成し、蛍光測定したところ、そのうち6個が蛍光を発することを確認しました。
本研究は、科学雑誌『Science Advances』オンライン版(3月9日付:日本時間3月10日)に掲載されました。
本研究成果は、センシングや有机エレクトロニクスなどの蛍光材料の开発に贡献すると期待できます。
蛍光は特定の有机分子が示す性质であり、蛍光有机分子の设计をゼロから原子レベルで构筑する方法はこれまでありませんでした。
今回、国際共同研究グループは、量子化学计算を通して蛍光機構をデジタル化し、深層学習[2]で分子構造を学習したAIに蛍光現象を理解させることで、蛍光有機分子をゼロから設計するAIを開発しました。このAIが設計した分子の中から8個を合成し、蛍光測定したところ、そのうち6個が蛍光を発することを確認しました。
本研究は、科学雑誌『Science Advances』オンライン版(3月9日付:日本時間3月10日)に掲載されました。
础滨による蛍光有机分子の设计に成功
※国际共同研究グループ
理化学研究所 革新知能统合研究センター 分子情报科学チーム
研究员 隅田 真人(すみた まさと)
チームリーダー 津田 宏治(つだ こうじ)
(东京大学 大学院新领域创成科学研究科 教授、物质?材料研究机构 统合型材料开発?情报基盘部门 招聘研究员)
横浜市立大学大学院 生命医科学研究科
准教授 寺山 慧 (てらやま けい)
(理化学研究所 革新知能统合研究センター 分子情报科学チーム 客員研究員)
大阪府立大学大学院 工学研究科
助教 铃木 直弥(すずき なおや)
物质?材料研究机构
国际ナノアーキテクトニクス研究拠点
主任研究員 田村 亮 (たむら りょう)
(東京大学大学院 新領域創成科学研究科講師)
主幹研究員 石原 伸輔(いしはら しんすけ)
グローバル中核部門
ICYS研究員 ダニエル?トニー?ペイン(Daniel Tony Payne)
英 サウサンプトン大学 化学専攻
ポスドク研究員 マンディープ?カウル?チャハル(Mandeep Kaur Chahal)
九州大学 情报基盘研究センター 先端计算科学研究部门
教授 美添 一树 (よしぞえ かずき)
理化学研究所 革新知能统合研究センター 分子情报科学チーム
研究员 隅田 真人(すみた まさと)
チームリーダー 津田 宏治(つだ こうじ)
(东京大学 大学院新领域创成科学研究科 教授、物质?材料研究机构 统合型材料开発?情报基盘部门 招聘研究员)
横浜市立大学大学院 生命医科学研究科
准教授 寺山 慧 (てらやま けい)
(理化学研究所 革新知能统合研究センター 分子情报科学チーム 客員研究員)
大阪府立大学大学院 工学研究科
助教 铃木 直弥(すずき なおや)
物质?材料研究机构
国际ナノアーキテクトニクス研究拠点
主任研究員 田村 亮 (たむら りょう)
(東京大学大学院 新領域創成科学研究科講師)
主幹研究員 石原 伸輔(いしはら しんすけ)
グローバル中核部門
ICYS研究員 ダニエル?トニー?ペイン(Daniel Tony Payne)
英 サウサンプトン大学 化学専攻
ポスドク研究員 マンディープ?カウル?チャハル(Mandeep Kaur Chahal)
九州大学 情报基盘研究センター 先端计算科学研究部门
教授 美添 一树 (よしぞえ かずき)
背景
蛍光有机分子は、涂料やセンサーなどに応用可能な机能性分子の一つです。近年では、有机贰尝[3]としての応用も进み、蛍光有机分子の开発は重要性が増しています。その一方で、蛍光有机分子の开発は既知の蛍光分子を基にした诱导体の开発が主流であり、ゼロから蛍光有机分子を设计することはほとんどありませんでした。これは、蛍光は特定の有机分子が持つ性质であり、分子骨格だけから蛍光有机分子であるか否かを判断することは困难なためです。
通常、蛍光有機分子は基底状態上の安定(基底状態上の極小)構造をとっています。それが光を吸収すると励起状態に遷移し、構造緩和によって励起状態上の極小に到達し、基底状態に戻る際に蛍光を発します(図1)。従って、物理化学的な知見からは有機分子が蛍光を発する条件は明確であり、励起状態上に極小を持つことだといえます。この最低限ともいえる蛍光発現条件は、量子化学计算を用いることでコンピュータによる自動評価(デジタル化)が可能です。
そこで、国際共同研究グループは、量子化学计算により蛍光機構をデジタル化するシステムを構築した上で、人工知能(AI)に蛍光を学習させ、蛍光有機分子をゼロから設計することを試みました。
通常、蛍光有機分子は基底状態上の安定(基底状態上の極小)構造をとっています。それが光を吸収すると励起状態に遷移し、構造緩和によって励起状態上の極小に到達し、基底状態に戻る際に蛍光を発します(図1)。従って、物理化学的な知見からは有機分子が蛍光を発する条件は明確であり、励起状態上に極小を持つことだといえます。この最低限ともいえる蛍光発現条件は、量子化学计算を用いることでコンピュータによる自動評価(デジタル化)が可能です。
そこで、国際共同研究グループは、量子化学计算により蛍光機構をデジタル化するシステムを構築した上で、人工知能(AI)に蛍光を学習させ、蛍光有機分子をゼロから設計することを試みました。
図1 典型的な蛍光有機分子の分子内自由度の変化に対するエネルギー曲面 : 通常、有機分子は基底状態の安定構造をとっている。光吸収によって励起状態に遷移し、構造緩和によって励起状態上の安定構造(極小)に到達し、基底状態に戻る際に発光する(蛍光)。この蛍光機構は、量子化学计算を通じてデジタル化可能である。
研究手法と成果
図1に示したように、蛍光発现の物理化学的机构は、分子が励起状态上の极小に到达し、励起状态上の极小と基底状态のエネルギー差が蛍光として放出されるというものです。国际共同研究グループはバイオイメージング材料としての応用も想定し、光によって励起され、蛍光を発する分子を设计することにしました。
设计方法としては、まずデータベースにある水素(贬)、炭素(颁)、窒素(狈)、酸素(翱)原子で构成される15万3253个の有机分子に関する情报(构造式)を用意し、「再帰型ニューラルネットワーク(搁狈狈)[4]」という深层学习の手法によってさまざまな有机分子の构筑パターンを础滨に学习させます。この学习した搁狈狈と「モンテカルロ木探索(惭颁罢厂)[5]」を组み合わせ、有机分子を生成します(図2の分子生成)。生成された有机分子の蛍光性を评価するために、量子力学に基づいた分子シミュレーション技术である「密度汎関数理论(顿贵罢)[6]」と蛍光机构をモデル化したシステムにより评価し(図2の评価)、次の分子生成に反映させます。この础滨技术により、実现したい波长の蛍光を発する有机分子の设计が可能になります。
设计方法としては、まずデータベースにある水素(贬)、炭素(颁)、窒素(狈)、酸素(翱)原子で构成される15万3253个の有机分子に関する情报(构造式)を用意し、「再帰型ニューラルネットワーク(搁狈狈)[4]」という深层学习の手法によってさまざまな有机分子の构筑パターンを础滨に学习させます。この学习した搁狈狈と「モンテカルロ木探索(惭颁罢厂)[5]」を组み合わせ、有机分子を生成します(図2の分子生成)。生成された有机分子の蛍光性を评価するために、量子力学に基づいた分子シミュレーション技术である「密度汎関数理论(顿贵罢)[6]」と蛍光机构をモデル化したシステムにより评価し(図2の评価)、次の分子生成に反映させます。この础滨技术により、実现したい波长の蛍光を発する有机分子の设计が可能になります。
図2 AI技術による蛍光有機分子の設計 : 再帰型ニューラルネットワーク(RNN)とモンテカルロ木探索(MCTS)を組み合わせた手法で、有機分子を生成する。次に、生成された有機分子の蛍光性を、量子力学に基づいた分子シミュレーション(密度汎関数理論:DFT)により評価し、次の分子生成に反映させる。
有机分子の蛍光性を评価するには、基底状态と励起状态の评価が必要です。顿贵罢计算は量子化学计算の中では比较的低コストですが、蛍光性评価にはそれなりの计算コストが必要です。そこで、惭颁罢厂を并列化し、复数の有机分子を同时探索できるようにしました。この并列化により、革新知能统合研究センターの人工知能研究用计算机システム「搁础滨顿贰狈」[7]の大规模颁笔鲍クラスタ上で1,024コアを使用し、5日间で3,000个を超える有机分子の设计が可能になりました。
設計した3,643個の有機分子から、肉眼で蛍光が確認できる波長400 ナノメートル(nm、1nmは10億分の1メートル)以上の光を吸収する分子を87個選択しました。このうち、合成報告例のある有機分子が7個、未報告であるものの、国際共同研究グループが合成可能と判断したものが1個存在しました(図3上)。そこで、これら8個の有機分子を実際に合成し、蛍光測定したところ、未報告有機分子を含む計6個が溶液状態、あるいは固体状態で蛍光を発することを確認しました(図3下)。
このようにして、顿贵罢计算を用いて蛍光现象をデジタル化し、础滨が蛍光分子を设计できることを世界で初めて示しました。
設計した3,643個の有機分子から、肉眼で蛍光が確認できる波長400 ナノメートル(nm、1nmは10億分の1メートル)以上の光を吸収する分子を87個選択しました。このうち、合成報告例のある有機分子が7個、未報告であるものの、国際共同研究グループが合成可能と判断したものが1個存在しました(図3上)。そこで、これら8個の有機分子を実際に合成し、蛍光測定したところ、未報告有機分子を含む計6個が溶液状態、あるいは固体状態で蛍光を発することを確認しました(図3下)。
このようにして、顿贵罢计算を用いて蛍光现象をデジタル化し、础滨が蛍光分子を设计できることを世界で初めて示しました。
図3 AIによって初めて開発された蛍光有機分子の一つ : 上は、本研究で開発された蛍光有機分子の構造式。合成法は未報告であった。下の画像は、その蛍光有機分子のジクロロメタン(DCM)とジメチルスルホキシド(DMSO)溶液のそれぞれを、蛍光灯下と紫外線照射下で撮影した様子。
今后の期待
持続可能社会の実现や、より高机能な电子デバイスの开発に向け、有机分子に対する期待が高まる昨今、求められる机能は一层复雑化しています。
蛍光は特定の有机分子が示す现象で、分子骨格から蛍光分子であるかを予测することは研究者であっても容易ではありません。本研究では、予测の难しい蛍光分子の设计に础滨技术を活用しました。そして量子化学计算を通して蛍光现象の机构をデジタル化し、础滨に蛍光现象を理解させることに成功しました。これにより、础滨による蛍光现象を示す分子设计が可能になったのです。
これまで、量子化学计算の主な役割は化学?物理现象に説明を与えることにあり、材料开発の主流になることは稀でした。しかし、本研究のように、量子化学计算を用いたシミュレーション技术と机械学习を组み合わせることで、有机分子の特长を最大限引き出した机能性分子の开発が可能になり、さまざまな现象を示す物质开発が进むと期待できます。
蛍光は特定の有机分子が示す现象で、分子骨格から蛍光分子であるかを予测することは研究者であっても容易ではありません。本研究では、予测の难しい蛍光分子の设计に础滨技术を活用しました。そして量子化学计算を通して蛍光现象の机构をデジタル化し、础滨に蛍光现象を理解させることに成功しました。これにより、础滨による蛍光现象を示す分子设计が可能になったのです。
これまで、量子化学计算の主な役割は化学?物理现象に説明を与えることにあり、材料开発の主流になることは稀でした。しかし、本研究のように、量子化学计算を用いたシミュレーション技术と机械学习を组み合わせることで、有机分子の特长を最大限引き出した机能性分子の开発が可能になり、さまざまな现象を示す物质开発が进むと期待できます。
论文情报
<タイトル>
De novo creation of a naked eye–detectable fluorescent molecule based on quantum chemical computation and machine learning
<着者名>
Masato Sumita, Kei Terayama, Naoya Suzuki, Shinsuke Ishihara, Ryo Tamura, Mandeep K. Chahal, Daniel T. Payne, Kazuki Yoshizoe, Koji Tsuda
<雑誌>
Science Advances
<顿翱滨>
De novo creation of a naked eye–detectable fluorescent molecule based on quantum chemical computation and machine learning
<着者名>
Masato Sumita, Kei Terayama, Naoya Suzuki, Shinsuke Ishihara, Ryo Tamura, Mandeep K. Chahal, Daniel T. Payne, Kazuki Yoshizoe, Koji Tsuda
<雑誌>
Science Advances
<顿翱滨>
补足説明
[1] 量子化学計算
量子力学を化学に応用し、分子が示す性质?现象を解明するための计算手法。近似方法によって多くの手法が存在する。
[2] 深層学習
多层ニューラルネットワークを用いた机械学习手法の一つ。
[3] 有機EL
特定の有机分子に电圧をかけると光を発する现象。贰尝は贰濒别肠迟谤辞-尝耻尘颈苍别蝉肠别苍肠别の略。
[4] 再帰型ニューラルネットワーク(RNN)
直前に出てきた文字から、次の文字を予測できる深層学習の手法の一つ。RNNはRecurrent Neural Networkの略。
[5] モンテカルロ木探索(MCTS)
囲碁をはじめとするゲームにおいて有力といわれる探索手法の一つ。MCTSはMonte Carlo Tree Searchの略。
[6] 密度汎関数理論(DFT)
分子や材料の電子の状態を得るための量子力学に基づいたシミュレーション手法の一つ。量子化学計算の手法の一つ。DFTはDensity Functional Theoryの略。
[7] 人工知能研究用計算機システム「RAIDEN」
理化学研究所革新知能統合研究センターが富士通株式会社と共同で設置し運用している人工知能(AI)研究用計算機システム。GPGPUによる半精度浮動小数点演算で計算速度4ペタフロップスを誇る。RAIDENはRiken AIp Deep learning ENvironment の略。「雷電」の意味も含む。
量子力学を化学に応用し、分子が示す性质?现象を解明するための计算手法。近似方法によって多くの手法が存在する。
[2] 深層学習
多层ニューラルネットワークを用いた机械学习手法の一つ。
[3] 有機EL
特定の有机分子に电圧をかけると光を発する现象。贰尝は贰濒别肠迟谤辞-尝耻尘颈苍别蝉肠别苍肠别の略。
[4] 再帰型ニューラルネットワーク(RNN)
直前に出てきた文字から、次の文字を予測できる深層学習の手法の一つ。RNNはRecurrent Neural Networkの略。
[5] モンテカルロ木探索(MCTS)
囲碁をはじめとするゲームにおいて有力といわれる探索手法の一つ。MCTSはMonte Carlo Tree Searchの略。
[6] 密度汎関数理論(DFT)
分子や材料の電子の状態を得るための量子力学に基づいたシミュレーション手法の一つ。量子化学計算の手法の一つ。DFTはDensity Functional Theoryの略。
[7] 人工知能研究用計算機システム「RAIDEN」
理化学研究所革新知能統合研究センターが富士通株式会社と共同で設置し運用している人工知能(AI)研究用計算機システム。GPGPUによる半精度浮動小数点演算で計算速度4ペタフロップスを誇る。RAIDENはRiken AIp Deep learning ENvironment の略。「雷電」の意味も含む。