文献

J-GLOBAL ID：202202266657787098   整理番号：22A0004988

回帰機械学習モデルを用いた金属ハロゲン化物ペロブスカイトのバンドギャップ予測【JST・京大機械翻訳】

Bandgap prediction of metal halide perovskites using regression machine learning models

著者 (4件)： Vakharia V. (Department of Mechanical Engineering, School of Technology, Pandit Deendayal Energy University, Gandhinagar, Gujarat, 382007, India) ,  Castelli Ivano E. (Department of Energy Conversion and Storage, Technical University of Denmark, DK-2800 Kgs. Lyngby, Denmark) ,  Bhavsar Keval (Department of Mechanical Engineering, School of Technology, Pandit Deendayal Energy University, Gandhinagar, Gujarat, 382007, India) ,  Solanki Ankur (Department of Physics, School of Technology, Pandit Deendayal Energy University, Gandhinagar, Gujarat, 382007, India)
資料名： Physics Letters. A  (Physics Letters. A)
巻： 422  ページ： Null  発行年： 2022年 
JST資料番号： C0600B  ISSN： 0375-9601  資料種別： 逐次刊行物 (A)
記事区分： 短報  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 有機金属ハライドペロブスカイトは,太陽電池,発光ダイオード,検出器およびメムリスタにおいて,それらの優れた光学的,電気的および機械的特性のために広く使われる一種のナノ材料を代表する。ここでは,240のペロブスカイトから成るデータセットを用いて,2つの機械学習モデル,弾性Netと等張回帰を訓練し,バンドギャップを予測できる。このMLモデルの性能を相関係数,平均絶対誤差(MAE),および二乗平均平方根誤差(RMSE)を用いて評価した。0.09eVの最低MAEを,弾性Netと10倍交差検証の結果からCsベースペロブスカイトに対して計算した。一方,0.34eVの最高MAEは,等張回帰を有するMAベースペロブスカイトで得られた。さらに,計算したDFTとML予測結果の間の0.98の高い相関値が観察された。詳細な比較分析から,弾性Netは金属ハライドペロブスカイトのバンドギャップをより正確に予測するための顕著な機械学習モデルとして現れる。また,これは,材料の種々の性質と,他の構造と有機分子への調査を拡大するために,種々の用途のためのそれらの選択を予測するために,さらに採用できる。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 発光ダイオード ,  機械的性質 ,  太陽電池 ,  *学習モデル ,  弾性 ,  相関係数 ,  有機化合物 ,  検出器 ,  密度汎関数法 ,  *バンドギャップ ,  *機械学習 ,  ナノ材料
準シソーラス用語： 比較分析 ,  メモリスタ ,  平均絶対誤差 , 【Automatic Indexing@JST】

著者キーワード (5件)： 機械学習 ,  密度汎関数理論(DFT) ,  ハイブリッドペロブスカイト ,  バンドギャップ ,  太陽電池

分類 (1件)： 太陽電池  (NC03084O)

タイトルに関連する用語 (5件)： 機械学習 ,  モデル ,  金属ハロゲン化物ペロブスカイト ,  バンドギャップ ,  予測