機械学習と深層学習を活用した有機太陽電池の持続可能な設計

変わりゆく世界に適応する、より賢い太陽電池

屋根や野原で太陽光パネルを見かけることは珍しくありませんが、実験室では新しい種類の軽くて柔軟な「プラスチック」太陽電池が登場していることを知らない人も多いでしょう。本稿は、研究者たちがコンピューターシミュレーションと人工知能を使って、これら有機太陽電池がより多くの太陽光を電力に変え、材料の無駄を減らし、気候変動や持続可能性の目標をよりよく支えるように設計している手法を解説します。

これらの太陽電池の違いは何か

従来の太陽電池は堅いシリコンウェハーで作られることが一般的です。それに対して有機太陽電池は、柔軟なシートに印刷できる薄い炭素系の層から構成されます。軽量で色が付けられ、製造コストの面で有利になる可能性があります。欠点は、太陽エネルギーを利用可能な電力に変換する効率が歴史的にシリコンに劣ってきた点です。新しい有機材料の登場により、実験室レベルではすでに18％を超える効率を達成しています。さらに高めるには、電荷を運ぶ層の内部構成、特に電子輸送層、正孔輸送層、およびその間にある光吸収の能動層を慎重に調整する必要があります。

試行錯誤ではなく仮想実験を使う

無数の試験セルを実際に作る代わりに、著者らはSCAPS‑1Dと呼ばれる詳細なコンピュータープログラムを使って「仮想実験」を行います。彼らが注目するデバイス構造は、PBDB‑T:IT‑Mという能動ブレンドを正孔輸送層（PEDOT:PSS）と電子輸送層（PFN‑Br）の間に挟み、片側に透明なインジウムスズ酸化物（ITO）、もう一方にアルミニウムを配置したものです。まずシミュレータが既存の実験データと一致するかを確認し、電圧、電流、全体効率といった主要な指標を非常に近く再現することを確かめます。これにより、材料を混合したりクリーンルームで塗布したりする前にコンピューター上で新しい設計を検討できるという自信が得られます。

層スタックの最適点を見つける

仮想デバイスの妥当性が確認された後、チームは各層の材料と厚さを体系的に調整し、どの組み合わせが最適かを調べます。いくつかの電子輸送候補の中でPFN‑Brが最も良好な性能を示します。その主な理由は、内部のエネルギーレベルが能動層とよく整合し、電子が金属接点へスムーズに移動するのを助けるためです。PFN‑Brの厚さを5〜30ナノメートル（ナノメートルは10億分の1メートル）で変化させると、非常に薄い層（約5〜10ナノメートル）が最も高い効率をもたらすことが分かります。厚い層は追加の抵抗を生み、エネルギー損失を大きくします。能動層については、厚くするとより多くの光を捕らえられますが、その分電荷が再結合する前に抜け出すのが難しくなります。シミュレーションは、光吸収と電荷輸送がよくバランスする約300ナノメートル付近が理想的な厚さであることを示しています。

人工知能に最適設計を学習させる

多くの詳細シミュレーションでも時間がかかるため、研究者らは第二の道具として人工知能を導入します。二つの輸送層と能動層の厚さを変えた300件のシミュレーションデータセットを生成し、そこから全体効率と開放電圧という主要な結果を予測するために、畳み込みニューラルネットワーク（CNN）とサポートベクター回帰（SVR）の二種類のAIモデルを訓練します。訓練後、CNNは新しい設計に対して完全な物理シミュレーションを再実行することなく即座に性能数値を推定できます。テストでは、CNNはSVRよりはるかに小さい誤差で効率を予測し、厚さのわずかな変化がデバイスの挙動に及ぼす微妙で非線形な影響を的確に捉えました。

より良い太陽電池とより緑の未来を結びつける

実験室の外では、チームは得られた結果を世界的な持続可能性目標につなげます。シミュレートされた効率を約12％からおよそ19.5％へとほぼ倍増させることで、最適化された有機太陽電池は同じ面積からより多くの電力を生み出し、必要な材料、土地、支持構造を減らせます。これはクリーンで手頃なエネルギー（SDG 7）、より革新的で効率的な産業（SDG 9）、資源の責任ある利用（SDG 12）、そして気候変動への一層の対策（SDG 13）を後押しします。要するに、仮想試験とAIを組み合わせることで、より少ない廃棄と迅速な導入を伴って、柔軟で高性能な太陽電池を日常に届ける設計が加速できることを本研究は示しています。

引用: Mohyeldien, O.M., El-Amary, N.H. & Al Bardawil, A. Sustainable design of organic solar cells utilized machine and deep learning. Sci Rep 16, 3728 (2026). https://doi.org/10.1038/s41598-026-35067-7

キーワード: 有機太陽電池, 機械学習, 層厚最適化, 光電変換効率, 持続可能なエネルギー