[A-10-7] Prediction of sublimation temperature of organic electroluminescent materials using machine learning
この講演は本会「学術奨励賞受賞候補者」の資格対象です。
Keywords: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。
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。
Abstract password authentication.
Password is required to view the abstract. Please enter a password to authenticate.