研究課題/領域番号 |
22K05158
|
研究種目 |
基盤研究(C)
|
配分区分 | 基金 |
応募区分 | 一般 |
審査区分 |
小区分34020:分析化学関連
|
研究機関 | 中央大学 |
研究代表者 |
片山 建二 中央大学, 理工学部, 教授 (00313007)
|
研究分担者 |
潘 振華 中央大学, 理工学部, 助教 (90870551)
|
研究期間 (年度) |
2022-04-01 – 2025-03-31
|
研究課題ステータス |
交付 (2022年度)
|
配分額 *注記 |
4,160千円 (直接経費: 3,200千円、間接経費: 960千円)
2024年度: 1,170千円 (直接経費: 900千円、間接経費: 270千円)
2023年度: 1,040千円 (直接経費: 800千円、間接経費: 240千円)
2022年度: 1,950千円 (直接経費: 1,500千円、間接経費: 450千円)
|
キーワード | 太陽光水分解 / 機械学習 / 分析科学データ / 分析化学データ |
研究開始時の研究の概要 |
太陽光水分解は次世代エネルギーの産生法として期待されている。有望な新規物質が発見されると多くのグループで追試がおこわなれるが、同等な性能を再現することは容易ではない。たとえ、化学組成は同じでも、界面構造・不純物・厚みなどミクロからマクロにかけての状態が同じにならないと同様の性能を発揮できないからである。本研究では、デバイス性能に影響を及ぼす実験条件を、機械学習を用いて最適化し、高性能な材料・デバイスを提供する。デバイス材料の分析化学データを収集し、データの特徴量を介在変数としてデバイス性能値と実験条件を機械学習的方法により接続する。太陽光水分解材料に適用し、本法の有用性を示す。
|
研究実績の概要 |
太陽光エネルギーを活用した光触媒水分解は、次世代エネルギーの生成手段として期待されている。有望な新規物質が発見されると、多数の研究グループがその性能を再現するために追試を行うが、化学組成が同じでも、界面構造や不純物、厚みなどの微視的および巨視的状態が同じでなければ同様の性能を発揮することができない。本研究では、機械学習を用いて、各研究グループで環境に適した実験条件を適用できる方法論を確立し、高性能な材料やデバイスを提供することを目指している。デバイスの性能と実験条件は、簡単には関連付けられないため、デバイス材料の分析化学データを収集し、波形などのデータの特徴量を介在変数としてデバイス性能値と実験条件を機械学習的に接続した。この手法により、デバイス性能に重要な材料要因が分析化学データから抽出され、無限に続く実験操作の試行錯誤を経ることなく、新しい材料の分析データからデバイスや材料の最適化が可能になる。本年度は、具体的なテストとして、太陽光水分解材料として注目されるヘマタイトとバナジン酸ビスマスにこの手法を適用した。吸収スペクトル、X線回折パターン、ラマンスペクトル、電気化学インピーダンスデータを用いて材料性能を予測することに成功し、本研究について2報の学術論文に掲載された。
|
現在までの達成度 (区分) |
現在までの達成度 (区分)
1: 当初の計画以上に進展している
理由
すでに2種類の材料にproof of conceptの研究を成功させ、学術誌に掲載される成果をえている。今後、本内容についての招待講演も予定されている。
|
今後の研究の推進方策 |
さらに、光触媒材料の性能を特徴づける、助触媒の担持や欠陥改質を行って、さらに実デバイスに近い状態での材料最適化に取り組む。
|