ペロブスカイト太陽電池など次世代太陽電池研究におけるマテリアルズ・インフォマティクスの活用

ペロブスカイト太陽電池、有機太陽電池の現状と問題点が理解できる！実験データをベースにした機械学習の利用方法と効果を理解できる！

セミナー講師

 大阪大学 大学院 工学研究科 教授 博士（工学）  佐伯 昭紀 先生

■ご略歴大阪大学大学院工学研究科　博士後期課程　中途退学（2003年）大阪大学大学院工学研究科　博士（工学）取得（2007年）大阪大学産業科学研究所　助手、助教（2003?2009年）大阪大学大学院工学研究科　助教、准教授（2010?2019年）を経て大阪大学大学院工学研究科　教授（2019年～）■ご専門光・放射線化学、高分子科学、太陽電池■本テーマ関連学協会でのご活動応用物理学会、高分子学会、日本化学会

セミナー受講料

【オンラインセミナー（見逃し視聴なし）】：1名41,800円(税込（消費税10％）、資料付)＊1社2名以上同時申込の場合、1名につき30,800円【オンラインセミナー（見逃し視聴あり）】：1名47,300円(税込（消費税10％）、資料付)＊1社2名以上同時申込の場合、1名につき36,300円＊学校法人割引；学生、教員のご参加は受講料50％割引。

受講について

• 配布資料はPDF等のデータで送付予定です。受取方法はメールでご案内致します。（開催1週前～前日までには送付致します）※準備の都合上、開催1営業日前の12:00までにお申し込みをお願い致します。（土、日、祝日は営業日としてカウント致しません。）
• 受講にあたってこちらをご確認の上、お申し込みください。
• Zoomを使用したオンラインセミナーです→環境の確認についてこちらからご確認ください
• 申込み時に（見逃し視聴有り）を選択された方は、見逃し視聴が可能です→こちらをご確認ください

セミナー趣旨

  次世代太陽電池として高分子太陽電池やペロブスカイト太陽電池の研究開発が進められている。これらの素子性能は、材料の構造や物性だけでなく、成膜プロセスや不純物・素子構造など多くの因子が複雑に影響するため、開発には多大な労力と時間を有する。一方、人工知能を用いた材料開発（マテリアルズ・インフォマティクス：MI）が注目を集めており、構造・物性の相関が強い材料で成果をあげている。本講座では、実験的な超高速材料スクリーニング法とMIさらにはロボットを用いた自動測定による次世代太陽電池の開発について紹介し、実験化学者がMIをどのように活用できるかの実例を解説する。

受講対象・レベル

本テーマにご関心のある材料メーカーの方、実験をベースにしたＡＩ業務のご担当者など。

習得できる知識

・比較的小スケールデータによる機械学習構築の基礎・ペロブスカイト太陽電池、有機太陽電池の現状と問題点の理解・ロボットによるラボオートメーションの現所う・実験データをベースにした機械学習の利用方法と効果を理解・マイクロ波を用いた電磁波分光法の基礎と応用方法の理解

セミナープログラム

1．機械学習とマテリアルズインフォマティクス　1-1 イントロダクション　1-2 世界でのプロジェクト　1-3 教師ありなし学習　1-4 アルゴリズム　1-5 LASSOおよびRigde回帰　1-6 非線形モデルへの適用　1-7 過学習　1-8 コーディングの実際2．高分子太陽電池　2-1 イントロダクション　2-2 高分子太陽電池の設計指針　2-3 これまでの開発方法　2-4 高速実験スクリーニングによるプロセス最適化　2-5 機械学習による高分子太陽電池の研究　2-6 説明可能モデルの構築　2-7 失敗データの重要性　2-8 実験による実証　2-9 画像データ（原子間力顕微鏡）の機械学習と実証3．ペロブスカイト太陽電池および塗布型無機太陽電池　3-1 イントロダクション　3-2 ペロブスカイト太陽電池の発電機構と特長　3-3 実用化と鉛フリーの動向 　3-4 スズペロブスカイト太陽電池の現状　3-5 スズペロブスカイト太陽電池のAサイトカチオン混合効果　3-6 高速実験スクリーニングと機械学習によるAサイトカチオン混合効果　3-7 Ag-Bi-I系（3元素）塗布太陽電池　3-8 MM’-Bi/Sb-I系（4、5元素）塗布太陽電池　3-9 ロボットによる自動測定や機械学習による探索