MITが新AIモデル「FlowER」で化学反応予測の精度を飛躍的に向上

マサチューセッツ工科大学（MIT）の研究チームが、化学反応の結果を予測するための新規な生成型AIアプローチを開発し、Nature誌に8月20日に論文を発表した。この手法は、従来のAIモデルが物理法則に根ざさず、質量保存の法則を無視して原子を勝手に生成・消滅させる問題を解決する。研究の中心人物は、化学工学と電気工学・コンピュータサイエンスの両部門に所属するコンナー・コリー教授。チームメンバーには、元ポスドクのジョウン・ジュン（現・韓国国立クックミン大学助教）、元ソフトウェアエンジニアのムン・ホン・フォン（現・デューク大学）、修士課程のニコラス・カセットティ、ポスドクのジョーダン・ライルズ、物理学学部のネ・ダサナヤケらが含まれる。 従来のAIモデルは、反応の入力と出力を直接結びつけるが、中間段階や原子・電子の保存を考慮しない。これにより、非現実的な反応経路が生成される。研究チームは、1970年代に化学者アイヴァー・ウギが提唱した「結合電子行列」を基に、電子の再分配を明示的に追跡できるモデル「FlowER（Flow matching for Electron Redistribution）」を開発。この手法により、原子と電子の両方を厳密に保存し、反応の実在可能性を高めた。 FlowERは、100万件以上の特許データベースから得た反応データで訓練され、既存の予測手法と比較して、反応経路の正確性と物理的整合性で優れた性能を示す。特に、金属や触媒を含まない反応に限っては、既存モデルを上回る結果を達成。ただし、金属反応や触媒反応のカバレッジはまだ限られているため、今後の拡張が課題とされている。 研究チームは、モデルとデータをGitHub上で完全にオープンソース化しており、反応機構のデータセットも公開。これは、反応メカニズムの理解を促進する先駆的な取り組みと評価されている。今後の目標は、金属や触媒反応への対応を拡大し、新薬開発、新材料探索、燃焼・大気化学、電気化学系での応用を進める。コリー教授は「これはまだ第一歩だが、反応機構の発見と新反応設計の未来に大きな可能性を秘めている」と語っている。研究はML for Pharma Discovery and Synthesisコンソーシアムと米国国立科学財団の支援を受けている。