大阪大学の研究グループは，次世代太陽電池として期待されている高分子太陽電池の高分子材料設計において，人工知能（AI）アルゴリズムの1つであるランダムフォレスト（RF）を用いて，性能予測・選別する手法を新たに開発した（ニュースリリース）。

高分子フラーレン太陽電池はこの10年間で，主に高分子材料の開発によって，10%を超える光電変換効率を達成した。また，フラーレン誘導体を他の低分子半導体に代えたものでは，13%程度まで向上している。しかし，混合膜に用いる高分子材料の化学構造は無限に近い組み合わせが存在する。さらに，混合膜の構造やその混合膜を用いた太陽電池の性能は予測できないため，ありとあらゆる材料を検討する方法は限界がある。

情報データ科学と材料科学が融合した分野は「マテリアルズ・インフォマティクス（MI）」と呼ばれるが，高分子太陽電池では化学構造など数多くの要因が素子性能に複雑に影響するため，これまでMIは有効に利用されてこなかった。そこで研究グループは，高分子太陽電池材料の選別に特化したMIの手法を開発することを試みた。

今回の高分子材料では，化学構造を1,024個の指紋キー（数字の列）に変換し，加えて分子量や電子準位などの物性値を入力パラメータとし，光電変換効率のグループ（例えば4~5%のグループなど）を出力として与えるように機械学習を行なった。グループ数を調整して検討した結果，正答率を向上させることに成功した。さらに，これまでの計算化学では不可能であった，溶解性を付与するアルキル鎖の選別も可能になった。

この分類器は，すでに学習した化学構造に対しては95%以上の正答率が得られるため，材料化学の専門家にも勝る材料選別が可能。さらに研究では，他の計算化学データベースで提供されている分子構造を分類器によって選別し，それらの素子性能を予測した。続いて研究者自身による合成上の考慮（合成ルートや入手可能な試薬）を経て1つの高分子構造を決定し，実際に合成した。

合成した高分子を，これまでに開発した高速実験スクリーニング法を用いて性能予測すると，分類器による予測に近い性能が得られた。この実験スクリーニングでは，手間のかかる素子作製をすることなく，高分子フラーレン混合膜の光電気信号を評価することで素子性能や最適素子作製条件を予測できる。このように，MIによる分類器と実験スクリーニングを融合した一連の開発手法は，世界初で実用上も有効であり，今後の高効率な高分子太陽電池の開発を加速することが期待できるという。

研究グループは今後，この分類器による材料設計手法を，高分子だけでなく低分子や3種混合系材料にも展開し，より高効率な高分子太陽電池材料を探索していきたいとしている。