[23a-C106-1~8] 12.2 Characterization and Materials Physics

[23a-C106-5] Automatic prediction of low-energy inverse photoemission spectra using machine learning

〇Yuki Kusano¹, Hiroyuki Yoshida^2,3 (1.Chiba Univ., 2.Chiba University, 3.Chiba Univ.)

Keywords:Low-energy inverse photoemission spectroscopy, machine learning

電子親和力(EA)は、有機半導体素子の設計等に不可欠な情報である。EAは低エネルギー逆光電子分光(LEIPS)スペクトルの立ち上がりから決定する。しかし、データの解析には熟練した解析者が必要であるという課題がある。そこで、機械学習を用いたEAの決定を行った。本研究では、測定した有機分子の真空準位基準に変換した175個のLEIPSスペクトルデータを利用した。機械学習によって予測したEAと手動で解析したEAの差が±0.1eV以内で78%が予測できた。