6S-02
木構造に基づく機械学習モデルによるホスフィンの電子的性質予測
ホスフィン配位子を持つ金属触媒は化学産業で広く用いられている。カルボニル伸縮振動はホスフィン配位子を持つ金属触媒の性能に密に関係する評価値であり、触媒開発において重要な指標の一つだが、測定するには実際に触媒を合成する必要がある。カルボニル伸縮振動を機械学習モデルで予測することできれば、試行錯誤的な合成を減らし、効率的な触媒開発が可能になると期待できる。本研究では、木構造に基づく機械学習モデルに着目し、カルボニル伸縮振動の予測を試みる。