文献

J-GLOBAL ID：202202259140706848   整理番号：22A0975050

水中の分子工学ハロゲン化物ペロブスカイト材料に対する光電気化学特性,機械学習および記号回帰【JST・京大機械翻訳】

Photoelectrochemical Properties, Machine Learning, and Symbolic Regression for Molecularly Engineered Halide Perovskite Materials in Water

著者 (6件)： Pan Zheng (Institute of Advanced Materials and Flexible Electronics (IAMFE), School of Chemistry and Materials Science, Nanjing University of Information Science & Technology, China) ,  Pan Zheng (School of Physics and Optoelectronic Engineering, Nanjing University of Information Science & Technology, China) ,  Zhou Yinguo (Institute of Advanced Materials and Flexible Electronics (IAMFE), School of Chemistry and Materials Science, Nanjing University of Information Science & Technology, China) ,  Zhou Yinguo (School of Physics and Optoelectronic Engineering, Nanjing University of Information Science & Technology, China) ,  Zhang Lei (Institute of Advanced Materials and Flexible Electronics (IAMFE), School of Chemistry and Materials Science, Nanjing University of Information Science & Technology, China) ,  Zhang Lei (School of Physics and Optoelectronic Engineering, Nanjing University of Information Science & Technology, China)
資料名： ACS Applied Materials & Interfaces  (ACS Applied Materials & Interfaces)
巻： 14  号： 7  ページ： 9933-9943  発行年： 2022年 
JST資料番号： W2329A  ISSN： 1944-8244  CODEN： AAMICK  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： 機械学習技術は仮想材料設計空間を予測し,材料製造パラメータを最適化することができる。本論文では,水溶液中でCH_3NH_3PbI_3に基づく分子工学的ハロゲン化物ペロブスカイト材料の光電気化学特性を記述する機械学習モデルを構築し,ハロゲン化物ペロブスカイト材料に対する複雑な多次元設計空間を予測した。機械学習モデルを訓練し,実験条件と色素構造を変えて360データ点から成る実験光電流データセットに基づいて試験した。サポートベクトルマシン(SVM),ランダムフォレスト,k-最近傍,Rart,Xgboost,およびKrigingアルゴリズムを含む機械学習アルゴリズムを比較し,Krigingアルゴリズムで最良の精度(r=0.99とR2=0.98)を達成し,SVMを2番目に達成した。複雑な多次元設計空間を表す合計50,905データポイントを,将来のペロブスカイト研究に役立つために,機械学習モデルによって予測した。さらに,遺伝的アルゴリズムに基づく記号的回帰は,個々の記述子を凌駕するハイブリッド記述子を効果的かつ自動的に設計する。本論文は,安定で高性能のハロゲン化物ペロブスカイト材料を設計するための機械学習と記号回帰法を強調し,ハロゲン化物ペロブスカイト材料のさらなる実験的最適化のためのプラットフォームとして役立つ。Copyright 2022 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： アルゴリズム ,  光電流 ,  最適化 ,  *ハロゲン化物 ,  色素 ,  高次元 ,  *光電気化学 ,  *機械学習 ,  遺伝的アルゴリズム ,  学習アルゴリズム ,  サポートベクトルマシン
準シソーラス用語： 設計空間 ,  ランダムフォレスト ,  機械学習技術 , 【Automatic Indexing@JST】

著者キーワード (6件)： ハロゲン化物ペロブスカイト ,  機械学習 ,  光電流 ,  記号回帰 ,  データ駆動 ,  光電気化学

分類 (1件)： 太陽電池  (NC03084O)

タイトルに関連する用語 (7件)： 水中 ,  分子工学 ,  ハロゲン化物 ,  ペロブスカイト ,  光電気化学特性 ,  機械学習 ,  記号