触媒は、化学製品の製造、エネルギー変換、有害廃棄物の処理など、現代社会のさまざまな分野で重要な役割を果たしている。新規触媒材料の創製や既存材料の高度化は、資源をより効率的かつ持続可能に利用するために不可欠である。

近年、機械学習や人工知能を活用したワークフローが、さまざまな材料分野において材料の探索や最適化に貢献してきた。一方で、マテリアルズインフォマティクスおよび触媒インフォマティクスは依然として発展途上の分野であり、触媒設計に関する体系的な手法は未だ確立されていない。

本研究では、既存材料のデータから構築した予測モデルを用いて有望な新規触媒候補を探索する逆問題型触媒設計に基づく、機械学習支援型設計手法の開発に取り組んでいる。さらに、インフォマティクスに基づく堅牢な触媒設計フレームワークを確立することで、データ駆動型モデリングとロボット実験を統合した自動化実験系への展開を可能とし、高効率触媒および機能性材料の創製を加速することを目指している。