仮想の20万種類から選び合成した新材料で有効性を実証

<plone.namedfile.file.NamedBlobImage object at 0x7f1754f8fdd0 oid 0x244bbe in <Connection at 7f18b36333d0>>

2021-03-01

natural_sciences

{'items': [{'key': 'au5en', 'term': '高分子太陽電池材料', 'description': {'blocks': [{'key': '20jds', 'text': ' 2000年にノーベル化学賞を受賞した白川英樹先生らが見出した導電性高分子のように、身の回りにある高分子（プラスチック）とは異なり、電気を流すことができる高分子を使った太陽電池。主に、正電荷を流すp型（positive）半導体の高分子と、負電荷を流すn型（negative）半導体の低分子の混合薄膜で形成される。 ', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': '1q58q', 'term': '人工知能（機械学習）', 'description': {'blocks': [{'key': '34p33', 'text': ' 人間の脳で行っているような知的行動を、コンピュータ内のアルゴリズム（計算手順や処理手順）で行わせるものを人工知能（Artificial Intelligence: AI）と呼ぶ。機械学習（Machine Learning）は、与えられた情報から自動的にパターン学習して特定の処理を効率的に実行するプログラムを作成するための技術・研究分野で、人工知能の一種とみなされている。 ', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': '6v8cu', 'term': 'マテリアルズ・インフォマティクス', 'description': {'blocks': [{'key': '8ltnj', 'text': ' 計算科学・実験科学・データ科学を融合させ、帰納的あるいは演繹的な材料設計を通じて、求める機能・性能を満たす材料を効率的に探索する学問分野。 ', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': 'b4jsm', 'term': '高分子・非フラーレン太陽電池', 'description': {'blocks': [{'key': 'bhhui', 'text': ' 炭素が60個集まってできたサッカーボール状の直径１ナノメートル程度の大きさのフラーレン（可溶性置換基あり）をn型半導体として用い、p型高分子半導体と混合したものを高分子・フラーレン太陽電池と呼ぶ。一方、フラーレンではない低分子をn型半導体として用いるものを、高分子・非フラーレン太陽電池と呼ぶ。後者は近年、性能向上が著しく、注目を集めている。 ', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': 'brcdd', 'term': '光電変換効率（変換効率）', 'description': {'blocks': [{'key': 'dbvvj', 'text': ' 太陽電池で光エネルギーを電力に変換する効率。（疑似）太陽光照射下で、電力（電流×電圧）の最大値を、入射太陽光エネルギーで割ることで求められる。 ', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': 'dpsmt', 'term': 'ランダムフォレスト', 'description': {'blocks': [{'key': '3o058', 'text': ' 分類、予測に用いる機械学習アルゴリズム。複数の入力パラメータ群からランダムにパラメータを選び、それらを使って分岐構造を有する決定木に従い結果を判定し、これを複数回繰り返したのちに結果を総合して判断を下す。 ', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}, {'key': '33kb1', 'term': '相関係数', 'description': {'blocks': [{'key': '8c3fg', 'text': ' 複数のデータをX軸とY軸にプロットしたとき、それらの相関の程度を表す指標。完璧に正に相関（X値が増えるとY軸も比例して増える方向）であれば1、完璧に負に相関（X値が増えるとY軸は比例して減少する方向）であれば-1、相関が全くなければ0になる。 ', 'type': 'unstyled', 'depth': 0, 'inlineStyleRanges': [], 'entityRanges': [], 'data': {}}], 'entityMap': {}}}]}

['eng']

['佐伯昭紀']

この2～3年、人工知能・機械学習を用いた材料開発が紙面でも盛んに取り上げられるようになっています。本研究グループでも、2018年に高分子フラーレン太陽電池を人工知能で性能予測した内容を報告しています。今回は予測精度の向上と共に、実材料での実証にも成功しました。機械学習には大量のデータが必要で、今回も地道に新たなデータを手動で集め、実材料の合成・評価においても、いくつかのハードルを克服することで成果に至りました。現段階の機能材料開発では、人工知能に過度な期待を寄せることはできませんが、研究者の経験や実験のフィードバックを上手く取り入れることで、実効性のあるスキームが確立できると考えています。

佐伯昭紀

教授

工学研究科

http://www.dma.jim.osaka-u.ac.jp/view?l=ja&u=2885&k=%E4%BD%90%E4%BC%AF%E6%98%AD%E7%B4%80&kc=1&sm=keyword&sl=ja&sp=1