光電変換機能でマルチユースな有機分子の設計と物性解明

2020 年度 実績報告書

• 研究課題/領域番号: 18F18035
• 研究機関: 大阪大学
• 研究代表者: 佐伯 昭紀 大阪大学, 工学研究科, 教授 (10362625)
• 研究分担者: KRANTHIRAJA KAKARAPARTHI 大阪大学, 工学(系)研究科(研究院), 外国人特別研究員
• 研究期間 (年度): 2018-11-09 – 2021-03-31
• キーワード: 有機薄膜太陽電池 / ペロブスカイト太陽電池 / マイクロ波分光 / 機械学習 / 高分子合成 / 光電変換 / 有機エレクトロニクス

研究実績の概要

本課題は、高効率・高安定な鉛/非鉛ペロブスカイト太陽電池（PSC）のホール輸送層（HTL）および有機薄膜太陽電池（OPV）のp型材料の両者で性能を発揮するマルチユースな高分子材料の開発と物性解明を目的とする。一般的なPSC素子は、ペロブスカイト活性層を電子輸送層（ETL）とHTLで挟んだ構造であり、ETLとHTLは100%に近い電荷キャリア移動・輸送効率が望まれる。しかし、通常のドープHTLは長期安定性に問題があるため、ドーパント不要で高効率なETL/HTLの開発が必要不可欠である。そこで、時間分解マイクロ波伝導度（TRMC）法および光電子収量分光法を用いて本課題で合成した材料の電子物性をスクリーニングして適応性を短時間で検討し、OPV/Pb-PSC/非Pb-PSCといった次世代太陽電池の実現に向けた光電子機能向上を目指す。
最終年度は新規高分子の設計・合成・基礎物性評価を行った。ポリマー：非フラーレンアクセプター（NFA）からなるOPVの実験データを基に構築した機械学習モデルは、以前の高分子・フラーレン太陽電池と比較して、予測精度を大きく向上できた。材料特性が無くても高精度で予測が可能であったため、ドナー基とアクセプター基をコンビナトリアルに仮想合成した20万種類のポリマーをスクリーニングした。その中の一つのポリマー骨格に着目し、アルキル鎖の異なる4つのポリマーを合成した。予測した変換効率（PCE）の順序は、実験の順序（10.10％-2.15％）と一致し、最適アルキル鎖選定に機械学習が有効であることを実証した。さらにジフェニルエーテル添加がPCEに大きな影響を与えることを見出し（なし：PCE = 7.50％、あり：10.10％）、機械学習と実験を最善に組み合わせることで、効率的な機能材料開発の成功例を示した。

現在までの達成度 (段落)

令和2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2年度が最終年度であるため、記入しない。

研究成果

• [国際共同研究] Pusan University(韓国)
  • 国名: 韓国
  • 外国機関名: Pusan University
• [雑誌論文] Experiment‐Oriented Machine Learning of Polymer:Non‐Fullerene Organic Solar Cells (2021)
  • 著者名/発表者名: Kranthiraja Kakaraparthi、Saeki Akinori
  • 雑誌名: Advanced Functional Materials 巻: 31 ページ: 2011168～2011168
  • DOI: 10.1002/adfm.202011168
  • 査読あり
• [雑誌論文] A high throughput molecular screening for organic electronics via machine learning: present status and perspective (2020)
  • 著者名/発表者名: Saeki Akinori、Kranthiraja Kakaraparthi
  • 雑誌名: Japanese Journal of Applied Physics 巻: 59 ページ: SD0801～SD0801
  • DOI: 10.7567/1347-4065/ab4f39
  • 査読あり / オープンアクセス
• [備考] 佐伯研究室ホームページ
  • URL: http://www.chem.eng.osaka-u.ac.jp/~saeki/cmpc/
• [備考] Kakaraparthi Kranthiraja ORCiD
  • URL: https://orcid.org/0000-0003-4464-4724
• [備考] 佐伯昭紀Researcher ID
  • URL: https://publons.com/researcher/1310687/akinori-saeki/