Autonomous data extraction from peer reviewed literature for training machine learning models of oxidation potentials
本研究の学術的背景，研究課題の核心をなす学術的「問い」は？
この研究の学術的問いは、機械学習アルゴリズムを用いて化学実験結果のデータ収集を自動化することで、科学研究を促進する方法を検討することです。
本研究の目的及び学術的独自性と創造性は？
本研究の目的は、人手による実験結果のデータ収集の手間を減らし、機械学習アルゴリズムを用いて科学研究を加速することです。学術的独自性と創造性は、異なる文献からデータを自動的に抽出する方法の開発にあります。
本研究の着想に至った経緯や、関連する国内外の研究動向と本研究の位置づけは？
この研究は、人手による実験結果のデータ収集についての課題に対処するために行われました。関連する国内外の研究動向としては、自然言語処理技術を応用して研究文献から抽出する研究がありますが、本研究では、機械学習アルゴリズムを用いて自動抽出を行う方法を提案しています。
本研究で何をどのように、どこまで明らかにした？
本研究では、異なる文献から化学実験結果のデータを自動的に抽出することで、科学研究の加速を目的としました。様々な機械学習モデルを用いて、592種類の有機分子の質化電位を予測し、複数の研究から同じ分子の実験データを収集して、機械学習予測値を求めることができました。また、機械学習モデルを用いて、約132,000種類の有機分子の質化電位を予測することができました。
本研究の有効性はどのように検証した？
本研究は、異なる文献からの自動データ収集技術を提案しており、科学研究の加速に大きく貢献するものであると報告されています。自動データ抽出の正確性は、実験誤差に近い程度に精度を向上させることに成功しました。