フロー合成技術と機械学習を活用した反応条件最適化

第1部 機械学習を利用したフロー合成の反応条件最適化

(2022年3月30日 10:30〜12:00)

　最先端技術であるフロー合成手法は、化合物合成の再現性が極めて高いのが特徴であり、専門的な知識や技術がなくても、レシピ化・自動化を推進することにより医薬品、農薬などのファインケミカルズや中間体原料の合成が期待されている。 　そのためには従来技術の延長ではなく、フロー合成に適した技術開発が鍵であり、本講演ではマイクロ波、ファインバブル、機械学習最適化を駆使したフロー合成技術について紹介する。

1. はじめに: グリーンものづくり
2. マイクロ波フロー合成
   1. マイクロ波化学
   2. マイクロ波フロー合成装置
   3. マイクロ波フロー合成反応例
3. ファインバブルフロー合成
   1. ファインバブル
   2. ファンバブル発生装置
   3. ファインバブルフロー合成反応例
4. 機械学習最適化
   1. 連続型変数の最適化
   2. 9+4+1法
   3. グラジエント法
   4. 離散型変数の最適化
5. 最新の成果
• 質疑応答

第2部 ベイズ最適化によるマイクロフロー合成の条件探索

(2022年3月30日 13:00〜14:30)

　深層学習をはじめとする機械学習の利用が様々な分野で進んでいるが、有機化学の分野は実験コストが他分野と比べて高いため、他分野で有効な手法がそのまま有機化学において有用であるとは限らない。ベイズ最適化は実験コストが高い場合に、実験数を抑えつつ、最適解を見逃すことなく同定しうる手法として注目を集めている。 　演者は微小な流路を反応場とするマイクロフロー合成法の開発に取り組んでいるが、その最適条件探索においてベイズ最適化を用いた実例について紹介する。実際にベイズ最適化を使用したことで感じた手法の威力や限界、さらには化学者の役割についても本講座で述べたい。

1. 機械学習の種類
2. 過学習とハイパーパラメータの調整について
3. 線形回帰モデルと非線形回帰モデル
4. ベイズ最適化について
5. ベイズ最適化を用いる国内外の最新の研究報告
6. マイクロフロー合成
7. ベイズ最適化を駆使するマイクロフロー合成の条件最適化
8. 機械学習を駆使する研究における化学者の役割
• 質疑応答

第3部 シミュレーション・3Dプリンタ・機械学習を融合したフローリアクターの新展開

(2022年3月30日 14:45〜16:15)

　フローマイクロリアクターの基礎知識、実験方法、および適用のポイントとその最新動向だけではなく、3Dプリンタによるフローマイクロリアクターの製作、プロセス革新の具体的事例、さらにはシミュレーション、機械学習を活用した最新技術についての知識を得ることができる。

1. フローマイクロリアクターを用いたフロー合成の基礎知識
   1. フローマイクロリアクターの特徴と種類
   2. マイクロ化のメリット・デメリット
   3. フローマイクロリアクターを用いた実験方法
   4. フローマイクロリアクターが適用可能なプロセス
   5. Dプリンタを活用したフローマイクロリアクターの製作
   6. 流路の加工方法
   7. 接合方法
   8. 3Dプリンタを活用したフローマイクロリアクターの製作
2. シミュレーションと機械学習活用によるプロセス革新の予測技術
   1. シミュレーション活用の重要性
   2. 液相反応プロセスでの収率の予測シミュレーション
   3. 機械学習を活用した反応速度定数の予測
   4. 乳化プロセスでの液滴生成の予測シミュレーション
3. フローマイクロリアクターを用いた化学プロセス革新事例
   1. プロセスの分類
   2. 液相反応プロセス
   3. ナノ粒子生成プロセス
   4. 乳化プロセス
• 質疑応答