| 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。
|
