ナノ空間材料を代表するゼオライトの合成には多くの反応物と合成パラメータが存在する。有機構造規定剤や化学組成はある程度計算で設計できるが、それ以外のパラメータを予測するには、同様の計算手法を適用することが困難あるいは不可能である。そのため，与えられた合成パラメータのデータセットに対して、ゼオライト生成物の結晶相を同定するための複雑なエネルギー地形を、理論計算によって記述することはほとんど不可能である。このような材料合成は熱力学効果と速度論的効果が相互に関係してくる複雑な合成という問題に対して、機械学習手法を用いることで、速度論的に制御された経路で合成されるゼオライトに対して、非常に有効である。

マテリアルズ・インフォマティクスを用いることで新規ナノ空間材料探索の速度を加速させ、さらに高性能な機能性材料を見つけることを目標としている。例えば、目的とする物性や機能を、少数の実験結果から予測し実験へのフィードバックを行うベイズ最適化等のアクティブラーニング手法を用いて探索効率を向上させる。また、文献で報告されているデータや実験データを収集し機械学習解析を行い、目的の用途に対する重要な物性を特定する。さらに、この解析結果を合成実験にフィードバックし、合成条件を最適化する。このような合成プラットフォームを適用することで、複雑な物理化学的現象の理解を深めることが期待できる。