物理制約付きMCMCと化学情報付きガウス過程のシナジーによる反応ネットワーク発見

化学の世界では、新しい反応を見つけたり、すでに知っている反応の仕組みを詳しく知ったりすることが、より効率的な物質作りや新しい素材の開発につながるため、とても大切です。でも、この「反応の仕組み」を調べるのは、実はとっても難しいんです。

なぜ難しいかというと、化学反応には大きく分けて二つの側面があるからです。一つは、どんな物質がどのように組み合わさって、どんな新しい物質に変わっていくか、という「反応のつながり（トポロジー）」の問題。これは、いわば「点と線」で表されるような、とびとびの（離散的な）情報です。もう一つは、その反応がどれくらいの速さで進むか、といった「反応の速さ（速度論的パラメータ）」の問題。これは、温度や圧力といった、連続的に変化する数値で表されます。

この二つの側面が、お互いに深く結びついているため、実際に実験で得られるデータは、どうしても「まばら」で「ノイズ（誤差）」を含みがちです。そんな限られた情報から、化学反応の「支配的な方程式」、つまりその反応を正確に表す「設計図」のようなものを見つけ出すのは至難の業でした。

そこで今回、研究者たちは「PC-MCMC-CIGP」という、新しいアプローチを提案しました。これは、いくつかの強力な技術を組み合わせた、再現性のある（誰がやっても同じ結果が得られやすい）「グレイボックス・ワークフロー」です。グレイボックスというのは、中身が完全に分からない「ブラックボックス」でもなく、すべてが丸見えの「ホワイトボックス」でもない、という意味合いで、ある程度の知識はあるけれど、まだ全てを解明できていない状態を指します。

具体的には、「スパイクアンドスラブトポロジーサンプリング」という、反応のつながりを効率的に探る技術と、「ハード保存および熱力学スクリーニング」という、物理的な法則（エネルギー保存や熱力学の法則など）に反しないように反応を絞り込む技術を組み合わせました。さらに、見つかった反応の速さなどを調整（パラメータキャリブレーション）したり、次にどんな実験をすればより効率的に全体像がわかるか（実験設計）を決めたりするために、「化学情報付きガウス過程（CIGP）」という、不確実性を考慮しながら予測や最適化を行う技術を使っています。

この研究のすごいところは、単に新しいMCMC（マルコフ連鎖モンテカルロ法：複雑な確率分布を扱うための計算手法）やGP（ガウス過程：データのばらつきを考慮しながら予測する手法）を開発したのではなく、これらの技術を、物理的な制約を守りながら、どれだけ不確実性が大きいかを常に意識して、最も効率的な実験や分析を選んでいく、という「ワークフロー」として統合した点にあります。

実際に、水素と臭素が反応する簡単なモデル（H2 + Br2ベンチマーク）で試したところ、この物理的な制約を守る方法を使うことで、見た目はそれらしくても、実際には間違った反応経路（素ラジカル経路）を、正しいものから区別することができたそうです。さらに、スチレンという物質をエポキシ化する（酸化させる）反応では、この新しい方法（CIGP）を使うことで、従来の一般的な手法（GP-BO）に比べて、最終的な生成物の収率が12.5%も向上したとのこと。これは、より少ない材料で、より多くの製品を作れる可能性を示唆しており、化学産業にとって非常に大きな進歩と言えるでしょう。