光触媒合成のための人工知能駆動合成計画プラットフォーム（PhotoCat）

より賢い化学に光を当てる

化学者はますます光を用いて化学反応を駆動し、単純な出発物質から医薬品、材料、香料を少ない廃棄物とエネルギーで合成するようになっています。しかし、こうした光を利用した、いわゆる光触媒反応の設計は依然として試行錯誤が多く時間がかかります。本論文はPhotoCatという人工知能プラットフォームを紹介します。PhotoCatは過去数万件の光駆動反応から学習し、科学者が何が起きるかを予測し、新しい合成を計画し、実験で使える条件を選ぶ手助けをします。読者にとってこれは、AIとグリーンケミストリーがどのように結びついて発見を加速し、環境負荷を低減しているかを垣間見る一例です。

光駆動反応の地図を作る

著者らの第一歩は、既知の光触媒化学の詳細な地図を作成することでした。彼らは学術文献や実験記録を丹念に調べ、26,700件の光駆動反応を収めたキュレーション済みデータベース、PhotoCatDBを構築しました。各エントリには、どの分子が入力されどの生成物が得られたかだけでなく、使用された光触媒、酸・塩基や添加剤の有無、溶媒、光の色（波長）といった重要な実験条件が記録されています。多くは複数成分が同時に反応するマルチコンポーネント反応で、実験室で化学者が直面する複雑さを反映しています。生成物間の類似性をチェックすることで、データベースが多数のほぼ重複する例ではなく、多様で新規性のある反応を重視するようにしています。

光化学を理解するAIを育てる

このデータベースの上に、研究チームはPhotoCatと呼ばれるトランスフォーマーアーキテクチャに基づく一連の深層学習モデルを構築しました。1つのモジュール、PhotoCat-RXNは出発物質と、利用可能であれば反応条件から生成物を予測することを学習します。別のモジュール、PhotoCat-Retroは逆方向に働き、目標とする分子が与えられると妥当な光触媒出発物質や合成ステップを提案します。さらにPhotoCat-Condは、提案された反応を実現しそうな光触媒、溶媒、添加剤、光波長といった実験条件を推奨します。モデルに幅広い「化学的常識」を与えるため、チームはまず公開特許データの数百万件の一般反応で学習させ、その後で光触媒特化データに対してファインチューニングを行いました。

条件は成分と同じくらい重要である理由

本研究からの重要な洞察は、反応条件を明示的にAIに与えることで性能が劇的に向上するという点です。モデルが出発分子のみを受け取った場合でも主要生成物の予測精度はまずまずでした。しかし光触媒、酸または塩基、添加剤、溶媒、光の色といった構造化された情報を加えると、トップ予測の精度は82％を超え、学習も速まりました。著者らは、強酸の有無がケトン生成とアルケン生成を逆転させるような生き生きとした例を示しています。モデルのアテンションマップは、生成物構造のその部分を予測する際にまさに酸のラベルを最も注視していることを明らかにしており、これは人間の化学者が条件について推論する様子を反映しています。

スクリーニングから実験台へ：新反応の発見

PhotoCatが単なる数値上の演習以上のものかを検証するため、チームはこれを用いて完全に新しい光触媒変換を提案させ、実験室で実行しました。ワークフローはまずPhotoCat-Retroが目標構造への光駆動ルートを提案し、続いてPhotoCat-Condが条件を選び、PhotoCat-RXNが予測生成物と整合するかをチェックします。AIが提案した22件の候補から、化学者は新規性と実用性が高そうな5件を選び、そのうち4件は実験室で良好な収率を示しました。新しい反応には、古典的なフリーデル–クラフツ反応のよりクリーンな版に類似した光駆動アシル化、触媒を必要としないベンゾオキサゾール合成、空気を酸化剤として用いる非金属的な不飽和酸へのトリフルオロメチル導入法、単純なアルケンの効率的な光誘起オキソアミネーションなどが含まれます。

将来のグリーンケミストリーにとっての意義

専門外の読者にとっての結論は、PhotoCatが何万件もの光触媒論文を読み込んだ知的なアシスタントのように振る舞い、実験室で「次に試すべきこと」を提案できるということです。目的に合わせて作られたデータベースと最新のAIモデルを組み合わせることで、このプラットフォームは一般的な反応予測ツールと同等の精度を達成しつつ、光駆動化学に特化した提案を行います。より重要なのは、抽象的な予測を化学者が試せる実行可能なレシピに変換し、アイデアから実験への道を短縮する点です。データベースが成長しモデルがより広い計画ツールと結びつくにつれて、PhotoCatのようなシステムは光触媒を化学製造の定番でより環境負荷の少ない選択肢にする手助けをし、私たちが日常的に頼る製品の持続可能性を静かに向上させる可能性があります。

引用: Xu, J., Zhai, S., Huang, P. et al. An artificial intelligence-driven synthesis planning platform (PhotoCat) for photocatalysis. Commun Chem 9, 92 (2026). https://doi.org/10.1038/s42004-026-01894-y

キーワード: 光触媒反応, 人工知能, 反応予測, 逆合成解析, グリーンケミストリー