| 研究課題/領域番号 |
23KF0250
|
|---|
| 研究種目 |
特別研究員奨励費
|
| 配分区分 | 基金 |
|---|
| 応募区分 | 外国 |
|---|
| 審査区分 |
小区分13020:半導体、光物性および原子物理関連
|
|---|
| 研究機関 | 京都大学 |
|---|
研究代表者 |
|
|---|
| 研究分担者 |
WEAL GEOFFREY 京都大学, 高等研究院, 外国人特別研究員
|
|---|
| 研究期間 (年度) |
2023-11-15 – 2026-03-31
|
| 研究課題ステータス |
交付 (2023年度)
|
| 配分額 *注記 |
1,300千円 (直接経費: 1,300千円)
2025年度: 700千円 (直接経費: 700千円)
2024年度: 400千円 (直接経費: 400千円)
2023年度: 200千円 (直接経費: 200千円)
|
|---|
| キーワード | Organic photovoltatics / Exciton diffusion / Excitonic coupling / First-principles / Data / Machine learning / Graph neural network |
|---|
| 研究開始時の研究の概要 |
有機太陽電池は地球温暖化対策として高く期待される。本研究では、計算・データ科学を統合する革新的な計算プラットフォームトを開発し、材料設計ルールをデータから導き出すことを目指す。具体的には、有機半導体における構造・物性値データベースを構築し、光－エネルギーの交換率が分子構造によってどのように影響されるか、また光－エネルギーの交換率を最大化するためにはどのように分子構造を設計すれば良いかを解明する。そこへ、脱炭素社会に必要な材料の発見とともに、材料科学研究の全体的なデジタル化を促進する。
|
| 研究実績の概要 |
This project aims to accelerate exciton diffusion simulations in organic photovolatic materials using machine learning and data science. During FY2023, we started the following tasks: (i) creation of a database of organic semiconducting materials, including structure, transition amplitudes, and reorganization energies; (ii) creation of a preliminary graph neural network (GNN) model which can predict transition amplitudes via atomic transition charge predictions.
|
| 現在までの達成度 (区分) |
現在までの達成度 (区分)
2: おおむね順調に進展している
理由
The project is progressing exactly as planned.
|
| 今後の研究の推進方策 |
During FY2024, we will complete our GNN model and verify it by comparing to experimental exciton diffusion values. We also aim to grasp the underlying physics of the GNN model by creating simplified theoretical models and performing sensitivity analyses.
|
