权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

ペロブスカイト太陽電池材料探索に向けた誘電率依存交換相関汎関数の開発と応用

介电常数相关交换相关函数的开发和应用，用于钙钛矿太阳能电池材料的探索

基本信息

批准号：
18J12426
负责人：
菅野翔平
金额：
$ 0.96万
依托单位：
Tokyo Metropolitan University
依托单位国家：
日本
项目类别：
Grant-in-Aid for JSPS Fellows
财政年份：
2018
资助国家：
日本
起止时间：
2018-04-25 至 2020-03-31
项目状态：
已结题

项目摘要

本研究の課題は誘電率依存交換相関汎関数の開発とペロブスカイト太陽電池の新規材料の設計である。これらの課題は2018年度までに概ね達成し、学術論文(Phys. Rev. Materials 3, 075403, 2019)として発表済みである。そこで本年度は、これまでに開発したマテリアルズ・インフォマティクスに基づく材料探索方法の拡張に向け、①ベイズ最適化に基づくペロブスカイト太陽電池材料の探索システムの開発と②バンドギャップの高精度予測に向けた深層学習モデルの構築を実施した。①では、新規な非鉛ペロブスカイト太陽電池材料を提案するために、光電変換効率を最大化するようなペロブスカイト組成をベイズ最適化に基づいて探索するシステムを開発した。この組成探索システムは、機械学習と理論計算を組み合わせることで、広範な化合物群を効率よく予測・探索することを可能にした。本方法は当該分野の材料開発への貢献のみならず、他の材料開発分野への波及も期待できる。②では、少数の実験値データと多数の理論計算値データを組み合わせて深層学習モデルに学習させることで、実験値のデータ数の少なさに起因するバンドギャップ予測モデルの不安定性の改善に成功した。近年のマテリアルズ・インフォマティクス研究の大きな障害となっているデータ数不足の問題に関して、本手法の適用による解決が期待できる。今後の材料開発・物性予測分野における本研究の意義は深い。

The subject of this study is the development of inductivity-dependent exchange-related variables and the design of new materials for solar cells. This topic is expected to be completed in 2018. Academic paper (Phys. Rev. Materials 3, 075403, 2019) is expected to be completed in 2018. This year, we have developed new methods for the exploration of solar cell materials based on the optimization of solar cell materials, developed new methods for the exploration of solar cell materials based on the optimization of solar cell materials based on the optimization of solar cell materials, and implemented new methods for the construction of high-precision prediction systems based on deep learning. 1. New regulations for solar cell materials are proposed to maximize the photoelectric conversion efficiency and optimize the composition of solar cells. The composition of the system is based on the theoretical analysis. The method is based on the contribution of the material development of the field and the expectation of the material development of the field. 2. A small number of theoretical values are combined with deep learning to improve the instability of the predicted values. In recent years, the problem of insufficient data in the study of large number of obstacles, the application of this method is expected to solve The significance of this study is profound in the future.