実用的な光機能性材料の機械学習励起状態特性のためのコスト効率の高いマルチチャネルMolOrbImage

科学分野:

• 計算化学
• 材料科学
• 量子化学

背景:

• 励起状態エネルギーの予測は、光機能性材料にとって非常に重要です。
• 従来の計算コストは、ハイスループット発見を制限します。
• マルチチャネル分子軌道画像（MolOrbImage）は有望なアプローチを提供します。

研究 の 目的:

• 励起状態エネルギーを予測するためのコスト効率の高い方法を開発すること。
• 平均場基底状態計算の計算上の限界を克服すること。
• 新規光機能性材料のハイスループット発見を可能にすること。

主な方法:

• ホロと粒子の情報をMolOrbImageに組み込みました。
• 低コストの軌道生成技術（原子密度の重ね合わせ、半経験的タイトバインディング）を採用しました。
• 予測と摂動解析に畳み込みニューラルネットワークを使用しました。

主要な成果:

• 高精度を達成しました（MAE < 0.1 eV）。
• 実用的な光機能性材料（MAE < 0.14 eV）の精度を実証しました。
• フロンティア軌道エネルギーが重要な予測因子であることを特定しました。

結論:

• 開発された方法は、励起状態エネルギー予測の計算コストを大幅に削減します。
• MolOrbImageとCNNの組み合わせは、小分子と複雑な材料の両方に効果的です。
• 転移学習は、予測精度をさらに向上させることができます。