学術背景 有機化合物による環境汚染の脅威が深刻化する中、異なる水生生物が有機化合物に対して示す毒性反応を研究することが極めて重要となっています。これらの研究は、汚染物質が水生生態系全体に及ぼす潜在的な生態学的影響を評価するだけでなく、環境保護に重要な科学的根拠を提供します。従来の実験方法は一定のデータを提供できますが、コストが高く、時間がかかる上に、大規模な化学物質の毒性評価には対応しにくいという課題があります。深層学習技術の急速な発展により、水生毒性の予測においてより高い精度、高速なデータ処理能力、そして優れた汎化能力が示されています。しかし、既存の手法は高次元の特徴データを扱う際に限界があり、特に分子の複雑な構造や相互作用を捉える点で課題を抱えています。したがって、複数の水生生物の毒性を...

効率的かつ解釈可能な電子円二色性スペクトル予測：Decoupled Peak Property Learning 学術的背景 電子円二色性スペクトル（Electronic Circular Dichroism, ECD）は、分子のキラリティを研究するための重要なツールであり、特に不斉有機合成や薬品産業において、キラル分子の絶対配置を区別するために使用されます。しかし、既存のECDスペクトル予測手法には、データの不足と解釈可能性の低さという二つの主要な問題があります。これにより、予測結果の信頼性が低下しています。現在のECDスペクトル予測は、分子構造の抽出、立体配座探索、構造最適化、時間依存密度汎関数理論（TD-DFT）計算、ボルツマン重み付けなどの時間のかかる量子化学計算に依存しています。こ...

機械学習が量子化学を支援：カップリングクラスタ精度に迫る分子電子構造予測 学術的背景 物理学、化学、材料科学の分野において、計算方法はさまざまな物理現象の背後にあるメカニズムを明らかにし、材料設計を加速するための重要なツールです。しかし、量子化学計算（特に電子構造計算）は計算のボトルネックとなり、計算速度とスケーラビリティを制限しています。近年、機械学習手法が分子動力学シミュレーションの高速化と精度向上に顕著な成功を収めていますが、既存の機械学習モデルの多くは密度汎関数理論（DFT）データベースをトレーニングデータの「真値」として使用しており、その予測精度はDFT自体を超えることができません。DFTは平均場理論として、計算において通常いくつかの化学精度（1 kcal/mol）よりも大きな系統...

深層学習フレームワークを用いた多体シュレーディンガー方程式のスピン対称性解法研究：新手法の画期的成果 量子物理学および量子化学の分野において、多体電子系の記述は重要な課題でありながらも非常に困難な問題である。電子間の強い相関を正確に特徴付けることは、触媒、光化学、超伝導性などの分野において特に重要な意義を持つ。しかし、広く使用されているKohn–Sham密度汎関数理論（KS-DFT）などの従来の手法では、多参照系における静的相関の記述に不十分な点が残っている。この不足は「対称性ジレンマ」（symmetry dilemma）として知られる問題を引き起こし、物理的でない状態であるスピン対称性の破れた解がより低いエネルギー結果を得ることがある。さらに、波動関数法は静的相関を捉える点では優れているが...

光化学系IIにおける水酸化過程でのプロトン放出メカニズムの研究 学術的背景 光化学系II（Photosystem II, PSII）は自然界で唯一水分解を触媒する酵素であり、その反応は酸素を放出するだけでなく、生物質の合成に必要な電子を提供します。水分解反応で放出されたプロトンはチラコイド腔に入り、プロトン動力（proton-motive force, PMF）を形成し、ATPの合成を駆動します。近年、PSIIの構造と機能に関する研究が大きく進展していますが、水酸化反応の重要なステップ、特に脱プロトン化プロセスのメカニズムについてはまだ議論が続いています。本研究では、量子/古典（QM/MM）自由エネルギー計算と原子分子動力学（MD）シミュレーションを組み合わせ、PSIIにおける酸素発生マンガ...