| Project/Area Number |
18J12426
|
|---|
| Research Category |
Grant-in-Aid for JSPS Fellows
|
| Allocation Type | Single-year Grants |
|---|
| Section | 国内 |
|---|
| Research Field |
Physical chemistry
|
|---|
| Research Institution | Tokyo Metropolitan University |
|---|
Principal Investigator |
菅野 翔平 首都大学東京, 理工学研究科, 特別研究員(DC2)
|
|---|
| Project Period (FY) |
2018-04-25 – 2020-03-31
|
| Project Status |
Completed (Fiscal Year 2019)
|
| Budget Amount *help |
¥1,500,000 (Direct Cost: ¥1,500,000)
Fiscal Year 2019: ¥700,000 (Direct Cost: ¥700,000)
Fiscal Year 2018: ¥800,000 (Direct Cost: ¥800,000)
|
|---|
| Keywords | 材料探索 / 機械学習 / マテリアルズインフォマティクス / ペロブスカイト / バンドギャップ / ペロブスカイト太陽電池 / マテリアルズ・インフォマティクス / 第一原理計算 / 鉛フリーペロブスカイト / 有機-無機ハイブリッドペロブスカイト |
|---|
| Outline of Annual Research Achievements |
本研究の課題は誘電率依存交換相関汎関数の開発とペロブスカイト太陽電池の新規材料の設計である。これらの課題は2018年度までに概ね達成し、学術論文(Phys. Rev. Materials 3, 075403, 2019)として発表済みである。そこで本年度は、これまでに開発したマテリアルズ・インフォマティクスに基づく材料探索方法の拡張に向け、①ベイズ最適化に基づくペロブスカイト太陽電池材料の探索システムの開発と②バンドギャップの高精度予測に向けた深層学習モデルの構築を実施した。
①では、新規な非鉛ペロブスカイト太陽電池材料を提案するために、光電変換効率を最大化するようなペロブスカイト組成をベイズ最適化に基づいて探索するシステムを開発した。この組成探索システムは、機械学習と理論計算を組み合わせることで、広範な化合物群を効率よく予測・探索することを可能にした。本方法は当該分野の材料開発への貢献のみならず、他の材料開発分野への波及も期待できる。
②では、少数の実験値データと多数の理論計算値データを組み合わせて深層学習モデルに学習させることで、実験値のデータ数の少なさに起因するバンドギャップ予測モデルの不安定性の改善に成功した。近年のマテリアルズ・インフォマティクス研究の大きな障害となっているデータ数不足の問題に関して、本手法の適用による解決が期待できる。今後の材料開発・物性予測分野における本研究の意義は深い。
|
| Research Progress Status |
令和元年度が最終年度であるため、記入しない。
|
| Strategy for Future Research Activity |
令和元年度が最終年度であるため、記入しない。
|
