[7p-P04-1~33] 12.3 Functional Materials and Novel Devices

[7p-P04-7] Development of Machine Learning Models for Predicting Distances between Neighboring Molecules in Organic Semiconductor Crystals

〇(B)Shogo Ishida¹, Takuya Seki², Shota Inoue³, Yudai Shinozaki², Jun Takeya^4,5, Toshihiro Okamoto⁶, Go Watanabe⁷ (1.Sch. of Sci., Kitasato Univ., 2.Grad. Sch. of Sci., Kitasato Univ., 3.Grad. Sch. of Front. Eng., Kitasato Univ., 4.Grad. Sch. of Front. Sci., Univ. of Tokyo, 5.NIMS, 6.Sch. of Mater. and Chem. Tech., Science Tokyo, 7.Sch. of Front. Eng., Kitasato Univ.)

Keywords:

organic semiconductor,machine learning,crystal structure prediction

有機半導体の実用化に向けて、デバイス性能に直結する電荷移動度の向上を目指した分子設計が重要である。高移動度p型有機半導体の多くは、π共役骨格の配置がヘリングボーン構造をとることが報告されているが、理論的な結晶構造の予測は容易でない。本研究では、ヘリングボーンの集合様式をとる有機半導体について分子構造から近接分子間距離を予測可能な機械学習モデルの構築に取り組んだ。