機械学習による高分子フラーレン太陽電池の分子設計

摘要

近年の急速な人工知能（AI）の発展と共に、材料開発におけるマテリアルズ・インフォマティクス（MI）が注目を集めている。一方で、有機薄膜太陽電池の高分子の分子設計は、未だ研究者の勘・経験・こだわりを軸に、量子化学計算（主にDFT）を参考にして構造を絞る事が主流である。この状況を打破するため、本研究では有機薄膜太陽電池（OPV）評価とMI の概念を融合させ、材料の化学構造と変換効率の関係を見出し、ひいては高効率材料を提案することを目指した[1]。データセットとして、約1000 個の高分子フラーレン太陽電池の素子性能と物性値（Jsc、Voc、FF、PCE、HOMO、重量平均分子量：Mw、バンドギャップ:Eg）を既報論文から抽出し、さらに高分子の化学構造はMACCS key（分子構造の指紋キー：1~166 の値が与えられる）、PubChem key（881 ビット）、あるいはECFP6 key（1064 ビット）に変換した。機械学習のアルゴリズムとして、人工ニューラルネットワーク（ANN）法、ランダムフォレスト（RF）法を用いた。ともに、入力はMw、Eg、HOMO、およびMACCS key などのFingerprint、目的変数は変換効率PCE とした。