[22a-M206-1~11] 23.1 Joint Session N "Informatics"

[22a-M206-8] Inverse design of colloidal quantum dots optical property via reinforcement learning

〇Hibiki Yoshida¹, Katsuyoshi Sakamoto¹, Kouichi Yamaguchi¹, Qing Shen¹, Yoshitaka Okada², Tomah Sogabe^1,2,3 (1.Univ. of Electro-Comm., 2.The Univ. of Tokyo, 3.Grid inc.)

Keywords:first-principles simulation, reinforcement learning, inverse design

近年、第一原理計算による信頼性の高い計算を行うことが可能になったことにより、量子ドットの物性を計算により予測できるようにな った。しかし、第一原理計算による予測は計算コストが高いため、ごく小規模の分子の計算に限ら れた。また、機械学習モデルによる予測により、第一原理計算を超える精度の結果が報告されてい る。本研究は量子ドットの光物性の予測及び量子ドットの逆設計のため、第一原理計算、機械学習、最適化手法と強化学習を融合した A I 逆設計手法の構築を目指す。