モンテカルロツリーサーチを用いたジケトピロロピロール系有機化合物の探索

カテゴリ: 部門大会

論文No: TC2-1-4

グループ名: 【C】2024年電気学会電子・情報・システム部門大会

発行日: 2024/08/28

タイトル(英語): Exploration of Diketopyrrolopyrrole-Based Organic Compounds by Monte Carlo Tree Search

著者名: 木原 泰一（近畿大学）,大久保 貴志（近畿大学）,山田 武士（近畿大学）,半田 久志（近畿大学）

著者名(英語): Taichi Kihara (Kindai University),Takashi Okubo (Kindai University),Takeshi Yamada (Kindai University),Hisashi Handa (Kindai University)

キーワード: モンテカルロツリーサーチ|Recurrent Neural Network|Quantum Deep FieldQuantum Deep Field|Monte Carlo Tree Search|Recurrent Neural Network|Quantum Deep Field

要約(日本語): 主に塗料やディスプレイの発光層材料として使用されるジケトピロロピロール（DPP）は、優れた光学特性から有機薄膜太陽電池材料など着色用途以外での応用が提案されている。DPPの光学特性は合成する置換基に依存するため、光吸収性能を向上させる置換基の探索が必要である。本研究では、モンテカルロ法を用いた効率的な探索アルゴリズムであるモンテカルロツリーサーチを用いて、光吸収性能の高いDPP系有機化合物の探索を行う。モンテカルロツリーサーチにおけるロールアウトにはSMILES文字列を学習したRecurrent Neural Networkを使用し、量子化学に基づいた深層学習モデルQuantum Deep Field（QDF）による物性予測から評価値の算出を行う。有機薄膜太陽電池材料としても使用される有機化合物TDPPの光吸収性能と比較した結果、QDFの物性予測による評価値で向上が見られた。