第一原理シミュレーションによるベイジアン検索による自己改善光敏化器発見システム

科学分野:

• 材料科学
• コンピュータ化学
• 人工知能

背景:

• 次世代の材料の発見には 先進的な計算ツールが必要です
• 高性能光感受剤 (PS) の開発は,様々な用途に不可欠です.
• 現在の発見方法は 時間がかかり 効率的ではありません

研究 の 目的:

• 人工知能を使って 自己改善する素材発見システムを作ります
• 高性能光敏感剤の特定を加速する
• アクティブ・ラーニングとファースト・プリンシピの計算の相乗効果を証明する.

主な方法:

• ベイジアン最適化ベースのアクティブ・ラーニング・フレームワークを実装した.
• 第一原理の計算を用いた精密な材料性能予測を統合した.
• モデルの精度と検索能力を高めるため,自己改善サイクルを使用しました.

主要な成果:

• シングレット・トリプル・スピーティングの予測で 最高の平均絶対誤差0.090 eVを達成した.
• 7百万以上の分子から 5,357の潜在的高性能光敏感剤を発見した.
• 商業標準に匹敵する性能を持つ4つの新しい光敏感剤を合成した.

結論:

• アクティブ・ラーニングは第一の原則に基づいた素材デザインを 大きく強化します
• 開発されたAIシステムは高性能の光敏感剤を効率的に発見します.
• 発掘された光敏感剤は,光敏感剤の応用を進めるために有望である.