機械学習を援用した進化計算による有機薄膜太陽電池に適した化合物の探索

Research Project

Project/Area Number	23K11254
Research Category	Grant-in-Aid for Scientific Research (C)
Allocation Type	Multi-year Fund
Section	一般
Review Section	Basic Section 61040:Soft computing-related
Research Institution	Kindai University
Principal Investigator	半田久志近畿大学, 情報学部, 教授 (60304333)
Project Period (FY)	2023-04-01 – 2026-03-31
Project Status	Granted (Fiscal Year 2023)
Budget Amount *help	¥4,810,000 (Direct Cost: ¥3,700,000、Indirect Cost: ¥1,110,000) Fiscal Year 2025: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000) Fiscal Year 2024: ¥1,040,000 (Direct Cost: ¥800,000、Indirect Cost: ¥240,000) Fiscal Year 2023: ¥2,730,000 (Direct Cost: ¥2,100,000、Indirect Cost: ¥630,000)
Keywords	Evolutionary Algorithms / Machine Learning / QDF / Molecular Design
Outline of Research at the Start	有機薄膜太陽電池の分子構造の探索を行う．グラフの探索となり構成原子が限られていても膨大な探索空間となる。進化計算と機械学習手法（グラフカーネル，Quantum Deep Field（フロンティア軌道理論と深層学習の融合手法），モンテカルロツリーサーチ）を組み合わせることにより効率的な探索手法を実現する。　Quantum Deep Fieldは，従来の量子化学シミュレータより圧倒的に計算速度が速く，かつ，　深層学習単体で分子の電気的特性を予測するよりも精度が高い。　Quantum Deep Fieldにより，比較的大きい分子である有機薄膜太陽電池の構造探索でも，進化的探索が可能となる。