[A-10] システム数理と応用

[A-10-7] マシンラーニングを用いた有機EL材料の昇華温度の予測

^○Niklas Norinder, 中島晴恵, 池田隆之, 山内諒, 山﨑舜平 (半導体エネルギー研)

この講演は本会「学術奨励賞受賞候補者」の資格対象です。

キーワード：有機EL材料、人工知能・AI・ML、昇華温度、温度予測

　有機EL材料の熱重量減少温度（TG）を予測するために、材料のSMILESからPaDEL　Descriptorで作製した記述子をLightGBMにインプットし、アウトプットはTG温度とした。投稿時点でのLightGBMによる温度予測のスコアでは、おおむね実測値に近い予測値となった（データサイズ896個、5％重量減少で、R2：0.84、MAPE：5.1%、MAE：13℃）。最大誤差で50℃程度だった。
線形回帰を用いたものなど他のモデルも試行したが、LightGBMのスコアが最も高かった。LightGBMは、小規模のデータセットでも、過学習しにくい可能性がある。