カーボンニュートラルの実現に向け、排ガスや大気中からCO₂を選択的に分離回収する技術の高度化が求められています。アミン吸着材はCO₂に対する高い反応性と選択性を有する代表的な回収材料ですが、回収したCO₂を脱離させて再生する工程では、従来の伝熱加熱に伴うエネルギー損失や昇温・冷却時間が課題となります。また、長時間の加熱はアミンの劣化や揮発を招く可能性もあります。このため、CO₂を保持する活性部位へ選択的にエネルギーを与え、短時間で再生できる加熱法と吸着材設計が必要とされています。　九州大学カーボンニュートラル・エネルギー国際研究所附属三井化学カーボンニュートラル研究センター兼九州大...

化学反応の反応物と生成物を隔てる遷移状態は、反応の成否を決める重要な状態です。遷移状態の予測は反応制御に向けて重要ですが、多数の原子・多くの構造の候補から遷移状態を正確に予測することは難しいとされてきました。近年、AIを活用した遷移状態予測が盛んになっており、中でも深層学習は画像認識をはじめ多くの成功を収めている強力な手法であるものの、深層学習モデルの形（ノード数などのアーキテクチャ）を決めるのが煩雑であり、化学反応への適用の大きな障害となっています。今回、九州大学、大阪大学および分子科学研究所の共同研究グループは、深層学習モデルを自動的に決定し、化学反応の遷移状態の予測を実現する...