| 研究領域 | デジタル化による高度精密有機合成の新展開 |
|---|
| 研究課題/領域番号 |
22H05377
|
|---|
| 研究種目 |
学術変革領域研究(A)
|
| 配分区分 | 補助金 |
|---|
| 審査区分 |
学術変革領域研究区分(Ⅱ)
|
|---|
| 研究機関 | 大阪公立大学 |
|---|
研究代表者 |
池田 浩 大阪公立大学, 大学院工学研究科, 教授 (30211717)
|
|---|
| 研究期間 (年度) |
2022-06-16 – 2024-03-31
|
| 研究課題ステータス |
完了 (2023年度)
|
| 配分額 *注記 |
7,800千円 (直接経費: 6,000千円、間接経費: 1,800千円)
2023年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
2022年度: 3,900千円 (直接経費: 3,000千円、間接経費: 900千円)
|
|---|
| キーワード | シミュレーション / 電子移動反応 / 機械学習 / フロー法 / 光反応 / マテリアルズ・インフォマティクス / 光化学反応 / 環化反応 |
|---|
| 研究開始時の研究の概要 |
p型有機半導体(以下、有機半導体)の合成はマテリアルズ・インフォマティクス(MI)の典型的な対象であるが、従来の機械学習では既存分子の実験データのみを対象としていた。従って有機合成の効率化は達成しつつも、機械学習そのものに律速段階があった。本研究では新規理論を基にした仮想分子の模擬実験データの機械学習を行い、有機半導体の機械学習そのものの効率化を図る。また、有機合成では従来型の光バッチ法から光フロー法への転換と光フロー反応条件の最適解の一般化により、さらなる効率化を図る。最終的には新理論による模擬実験、機械学習、光フロー合成を含む次世代MIにより、有機半導体のデジタル光有機合成を展開する。
|
| 研究実績の概要 |
本研究は次の3課題からなる。新仮想分子NnとしてのTTE-(3,1)4とTTN-(3,1)4の合成方法を概ね確立した。
【課題1】実験データと模擬実験データを対象とする機械学習ーー①既存分子の実験データを対象とする機械学習と分子設計 最初に既存の有機半導体のキャリア移動度μの実験値(μEXP)を対象に機械学習を行い、高いμEXPを与える分子条件を明らかにする。次にそれらを用いて仮想分子(X1,.. Xn)を数多く設計する。 ②仮想分子の模擬実験データを対象とする機械学習と分子設計 麻田が独自開発した ASSiSt法を用いて、そのアモルファス固体におけるキャリア移動度(μSIM)を推定し、Xnの実際の合成と測定の時間を削減する。さらにその機械学習を行い、新仮想分子(N1, .. Nn)を設計する。
【課題2】フロー光誘起電子移動反応法による新規アモルファス固体性有機半導体の合成ーー①バッチ光有機合成 まず一般的な光バッチ法で新仮想分子Nnを合成する。本研究では合成戦略として、6π環化―芳香族化反応を積極的に活用できる分子に的を絞る。この反応は機構こそ違えど光(Mallory反応)でも熱(Scholl反応)でも達成可能である。本研究ではこの反応の採用で、効率的に結果を出していく。②フロー光有機合成 次にフロー光有機合成を検討する。さらにナンバリングアップと光反応用新型フローリアクタの開発により、有機半導体の大量合成の革新的効率化を図る。
【課題3】μSIMとμEXPの比較による総括ーー合成した幾つかのNnで、μSIMとμEXPの一致度を検証する。 高い割合で一致すれば、μSIMを用いる機械学習の高い信頼性が証明され、この【課題3】の必要性もなくなり、次世代MIの成功例となる。問題があれば【課題1】にフィードバックを掛け、再検討する。
|
| 現在までの達成度 (段落) |
令和5年度が最終年度であるため、記入しない。
|
| 今後の研究の推進方策 |
令和5年度が最終年度であるため、記入しない。
|
