文献

J-GLOBAL ID：201902258251544196   整理番号：19A2363022

量子および機械学習法を用いた効率的太陽電池材料の加速発見【JST・京大機械翻訳】

Accelerated Discovery of Efficient Solar Cell Materials Using Quantum and Machine-Learning Methods

著者 (6件)： Choudhary Kamal (Materials Science and Engineering Division, National Institute of Standards and Technology, Maryland, United States) ,  Bercx Marnik (EMAT, Department of Physics, University of Antwerp, Belgium) ,  Jiang Jie (Materials Directorate, Air Force Research Laboratory, Ohio, United States) ,  Pachter Ruth (Materials Directorate, Air Force Research Laboratory, Ohio, United States) ,  Lamoen Dirk (EMAT, Department of Physics, University of Antwerp, Belgium) ,  Tavazza Francesca (Materials Science and Engineering Division, National Institute of Standards and Technology, Maryland, United States)
資料名： Chemistry of Materials  (Chemistry of Materials)
巻： 31  号： 15  ページ： 5900-5908  発行年： 2019年 
JST資料番号： T0893A  ISSN： 0897-4756  CODEN： CMATEX  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 太陽エネルギーは,深刻な環境問題を解決し,高エネルギー需要を満たすのに重要な役割を果たす。しかしながら,適切な材料の欠如はこの技術のさらなる進歩を妨げている。ここでは,密度汎関数理論(DFT)と機械学習アプローチを用いて,今日までの最大の無機太陽電池材料探索を提示した。著者らは,5097の非金属材料に対して,trans-Blaha-修正Becke-Johnsonポテンシャルを用いて,分光限界最大効率(SLME)を計算し,適切な凸包安定性と有効なキャリア質量を有する934の候補を含む,10%以上のSLMEを有する1997の候補を同定した。二次元層状ケースに対するスクリーニングを行い,58の潜在的材料を見出し,予測不確実性を推定するためにサブセット上でG_0W_0計算を行った。上記のDFT法は依然として計算的に高価であるので,高精度機械学習モデルを開発し,効率的な材料を予測し,それを100万以上の材料に適用した。著者らの結果は,高効率太陽電池材料の設計のための一般的な枠組みと普遍的な戦略を提供する。データとツールは,https://www.ctcms.nist.gov/knc6/JVASP.html,https://www.ctcms.nist.gov/jarvisml/,https://jarvis.nist.gov/,およびhttps://github.com/usnistgov/jarvisで公開されている。Copyright 2019 American Chemical Society All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *機械学習 ,  部分集合 ,  二次元 ,  *太陽電池 ,  予測 ,  計算 ,  太陽エネルギー ,  密度汎関数法 ,  エネルギー需要 ,  *太陽 ,  不確実性 ,  凸包
準シソーラス用語： 高効率 ,  高精度 ,  *電池材料 , 【Automatic Indexing@JST】

分類 (1件)： 太陽電池  (NC03084O)

タイトルに関連する用語 (5件)： 量子 ,  機械学習 ,  太陽電池 ,  加速 ,  発見