熱力学状態方程式とＡＩ，人工ニューラルネットワークを組み合わせた新規ハイブリッド物性推算法

化合物の分子構造からＡＩによる熱力学状態方程式パラメータの予測

化学プロセス設計・開発には密度や蒸気圧など多種多様な物性推算が必要不可欠です．しかしながら，物性測定は専門的な装置・技術を必要とし，その測定には長時間を要します．そのため，日々の研究開発の成果で生み出される化学物質に対して物性データは不足しているのが現状です．化学工学物性を予測する方法も培われてきました．熱力学状態方程式は多様な物性の推算を可能にする強力な理論式です．推算には状態方程式のパラメータが必要とされます．未知の物質に対してはグループ寄与法といった方法で推算する方法が報告されてきました．しかしながら，開発されていく化学物質の分子構造の複雑化など，予測できる適用範囲が追いついていません．既存の方法では1つの物質が持つ複数の官能基が相互しあった結果など，複雑化したパターンの表現をすることができません．複雑化したパターンの表現を得意とするのが人工知能（ＡＩ），中でも人工ニューラルネットワークである．化合物の分子構造を入力変数，熱力学状態方程式のパラメータを目的変数とした人工ニューラルネットワークを開発することで，新規開発されていく化学物質の多種多様な物性推算を実現します．

熱力学状態方程式にＡＩを導入することにより多種のモデルに対応することのできる推算法の確立

熱力学状態方程式は実際のプロセスシミュレーターに組み込まれており，化学プロセス設計・開発に直結した物性推算方法です．状態方程式にはvan der Waals型や格子流体型，摂動理論型があり，その型それぞれに複数種の状態方程式が存在しています．それぞれの状態方程式で得意，不得意としている物性，物質種が存在しています．更に，混合物の推算を行うためには，混合則と呼ばれる混合物を状態方程式により計算するために用いられる純成分パラメータの統合モデルが存在します．この混合則は対象としている混合物の混合モデルに合わせて適切なものを選択しなくてはいけません．残念ながら，すべての物質，物性，混合物に対応可能な状態方程式はなく，多岐にわたり，細分化されてしまっています．混合物に絞ってもその混合モデルパターンが複雑化してしまっていることが原因です．同様に，この問題に対してＡＩ，人工ニューラルネットワークは有効な解決手段です．そこで，混合則の代わりに，人工ニューラルネットワークを状態方程式に組み込むことにより，どのような混合パターンにも対応した物性推算法の確立を実現します．