Machine Learning Analysis of Literature Data on the Water Gas Shift Reaction toward Extrapolative Prediction of Novel Catalysts

Mine, Shinya; Jing, Yuan; Mukaiyama, Takumi et al.

Chemistry letters, 2022, 51(3), 269-273

Permalink : https://hdl.handle.net/2115/85153

このアイテムのアクセス数:442件（2026-02-13 09:51 集計）

ファイル	フォーマット	サイズ	閲覧回数	説明
https://doi.org/10.1246/cl.210645			1

アクセス権	metadata only access
URI	https://hdl.handle.net/2115/85153
タイトル	Machine Learning Analysis of Literature Data on the Water Gas Shift Reaction toward Extrapolative Prediction of Novel Catalysts
著者	Mine, Shinya ; Jing, Yuan ; Mukaiyama, Takumi ; Takao, Motoshi ; Maeno, Zen ; Shimizu, Ken-ichi ; Takigawa, Ichigaku ; Toyao, Takashi
著者名 Mine, Shinya
著者名 Jing, Yuan
著者名 Mukaiyama, Takumi
著者名 Takao, Motoshi
e-Rad_Researcher 30721154 著者名 Maeno, Zen
e-Rad_Researcher 60324000 著者名 Shimizu, Ken-ichi
e-Rad_Researcher 10374597 著者名 Takigawa, Ichigaku
e-Rad_Researcher 80775388 著者名 Toyao, Takashi
言語	英語
キーワード	Machine learning (ML)
	Catalysis informatics
	Water gas shift (WGS)
発行日	2022-03-05
出版者	日本化学会（Chemical Society of Japan）
収録物名	Chemistry letters
巻(号)	51(3)
ページ	269-273
抄録	Literature data based on the water gas shift (WGS) reaction have been analyzed using statistical methods based on machine learning (ML). Our ML approach, which considers elemental features as input representations rather than the catalyst compositions, was successfully applied, and new promising catalyst candidates for future research were proposed.
資源タイプ	学術雑誌論文
出版タイプ	Version of Record
PISSN	0366-7022
関連情報 (isIdenticalTo)	出版社版DOI https://doi.org/10.1246/cl.210645