深層学習が駆動するAu(111)上テトラブロミン化ポルフィリンの単一結合選択的自律分子反応

機械に分子を一結合ずつ調整させる教育

化学者は長年、ちょうど腕時計職人のような精密さで反応を操り、正確に一つの分子の一つの結合だけを意図的に変えることを夢見てきました。本研究はその夢に大きく近づく方法を示します。コンピュータ制御されたシステムが表面上で個々の分子を見つけ、操作ノブに人の手を触れずに選んだ化学結合を自律的に切断します。そのような制御が実現すれば、やがて原子単位で新しい材料を“書き込む”ことや、通常の試験管化学では到達しにくい珍しい分子構造を探索することが可能になります。

なぜ単一結合が重要なのか

ほとんどの化学反応はバルクで起こります。無数の分子が衝突し、熱力学や反応速度論の大まかな規則に従って再配列します。多くの用途ではこれで十分ですが、それはハンマーで大理石を彫るようなもので、精密な彫刻には向きません。もし研究者が一つの分子の中の一つの結合だけを選び、その保持か切断かを決められるなら、次世代のエレクトロニクス、量子デバイス、超高密度データ記憶のためのカスタム分子パターンを構築できます。走査型トンネル顕微鏡（STM）はすでに金属表面上の個々の分子を原子分解能で観察し、突くことを可能にします。しかしこれまで、こうした反応の実行は人の直感と根気に頼っており、再現性、拡張性、プログラム可能性に限界がありました。

顕微鏡を自律走行ラボに変える

著者らは、従来のSTMに複数の深層学習ツールを重ねることで、一種の自律走行化学ラボに変えました。まず、コンピュータビジョンモジュールが金表面の広い領域を走査して孤立した標的分子を自動的に検出し、続いて接近して拡大観察します。さらに別のニューラルネットワーク群が各分子の輪郭をたどり、配向を決定し、臭素原子が位置する四つの特定のコーナーを検査します。これらのコーナーの小さな画像パッチを解析することで、各臭素がまだ結合しているか、以前のステップで除去されたかを判定し、操作画像を人が解釈することなく分子の“結合ごとの”状態を追跡します。

結合を切ることを学ぶAIエージェント

分子が認識され現在の状態が把握されると、強化学習エージェントがどのように行動するかを選びます。エージェントは各試行を複雑なゲームの一手とみなし、STMの先端位置、電圧、電流がその手に相当し、得られる分子変化がフィードバックになります。システムは四つの結合状態を単純な4ビットのパターンとして符号化し、追うべき全体経路を示すコードを付加します。soft actor-criticと呼ばれる現代的なアルゴリズムを用いて、エージェントは先端の置き方と電気パルスの組み合わせがどのように単一の炭素—臭素結合をきれいに切断するか、何も起こらないか、あるいは分子を損傷または過剰反応させるかを徐々に学習します。成功するための狭い安全かつ有効なウィンドウが存在し、学習初期はほとんどの試行が失敗しますが、経験を再生・拡張し、分子の四重対称性を利用することで、エージェントは信頼できる戦略に収束します。

多段階の分子操作をプログラムする

連続した訓練を約1.5日、数百回の反応試行にわたって行うと、システムは事前設計された多段階の反応経路を高い成功率で実行できるようになります。テスト対象の分子は金表面上のテトラブロミン化ポルフィリンで、四つの等価な臭素を持つアームから始まります。AIには「直交」や「ジグザグ」といった段階的な結合除去パターンを実行するよう指示され、それぞれが異なる中間形状を経て最終的に完全に脱臭素化された分子と表面上の四つの遊離臭素原子を残します。各ステップでエージェントは自動的に先端の位置、印加する電圧パルスの強さ、使用する電流を選び、ビジョンシステムで結果を確認して次の行動を決定します。時間とともに、より多くの臭素が除去されるほど高い電圧が必要であることや、標的結合の真上に先端を配置することが成功確率を最大化することを発見します。

単発の操作から将来の原子単位製造へ

研究チームは最終的に、プラットフォームが四つの異なる反応経路に分子を何度も導きつつ単一結合選択性を維持できることを示し、各段階で成功率が向上して最終の結合切断段階でほぼ80％に達することを報告します。同じく重要なのは、顕微鏡先端の形状や挙動が変化したときにシステムが適応し、最適設定を素早く再学習して作業が停滞しない点です。一般の人にとっての要点は、顕微鏡がもはや受動的に観察するだけの装置ではなく、能動的に学習する道具になったことです：分子を見つけ、どの結合を切るか判断し、適切な刺激を与え、結果を自律的に検証します。この精密な計測機器とAI制御の融合は、科学者が複雑で原子レベルの精度を要する製造タスクをプログラムできる未来を示しており、手作業ではほとんど作れないカスタム分子構造をソフトウェアエージェントで構築・探索できる可能性を示しています。

引用: Zhu, Z., Huang, Q., Yang, T. et al. Deep learning drives autonomous molecular reactions with single-bond selectivity in tetra-brominated porphyrins on Au(111). Nat Commun 17, 2348 (2026). https://doi.org/10.1038/s41467-026-69080-1

キーワード: 自律化学, 単一分子反応, 走査型トンネル顕微鏡, 深層強化学習, 表面上合成