JP2023140357A - 発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びその製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並びにデータ生成方法 - Google Patents

発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びその製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並びにデータ生成方法 Download PDF

Info

Publication number
JP2023140357A
JP2023140357A JP2023110235A JP2023110235A JP2023140357A JP 2023140357 A JP2023140357 A JP 2023140357A JP 2023110235 A JP2023110235 A JP 2023110235A JP 2023110235 A JP2023110235 A JP 2023110235A JP 2023140357 A JP2023140357 A JP 2023140357A
Authority
JP
Japan
Prior art keywords
compound
less
molecular
information processing
group
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Pending
Application number
JP2023110235A
Other languages
English (en)
Inventor
晃徳 板東
Akinori Bando
孝和 斎藤
Takakazu Saito
昌光 石飛
Masamitsu Ishitobi
理彦 西田
Michihiko Nishida
謙 吉岡
Ken Yoshioka
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Sumitomo Chemical Co Ltd
Original Assignee
Sumitomo Chemical Co Ltd
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Application filed by Sumitomo Chemical Co Ltd filed Critical Sumitomo Chemical Co Ltd
Priority to JP2023110235A priority Critical patent/JP2023140357A/ja
Publication of JP2023140357A publication Critical patent/JP2023140357A/ja
Pending legal-status Critical Current

Links

Images

Classifications

    • C—CHEMISTRY; METALLURGY
    • C09—DYES; PAINTS; POLISHES; NATURAL RESINS; ADHESIVES; COMPOSITIONS NOT OTHERWISE PROVIDED FOR; APPLICATIONS OF MATERIALS NOT OTHERWISE PROVIDED FOR
    • C09K—MATERIALS FOR MISCELLANEOUS APPLICATIONS, NOT PROVIDED FOR ELSEWHERE
    • C09K11/00—Luminescent, e.g. electroluminescent, chemiluminescent materials
    • C09K11/06—Luminescent, e.g. electroluminescent, chemiluminescent materials containing organic luminescent materials
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N20/00—Machine learning
    • G—PHYSICS
    • G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
    • G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
    • G16C60/00—Computational materials science, i.e. ICT specially adapted for investigating the physical or chemical properties of materials or phenomena associated with their design, synthesis, processing, characterisation or utilisation
    • H—ELECTRICITY
    • H01—ELECTRIC ELEMENTS
    • H01L—SEMICONDUCTOR DEVICES NOT COVERED BY CLASS H10
    • H01L33/00—Semiconductor devices having potential barriers specially adapted for light emission; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof
    • H01L33/02—Semiconductor devices having potential barriers specially adapted for light emission; Processes or apparatus specially adapted for the manufacture or treatment thereof or of parts thereof; Details thereof characterised by the semiconductor bodies
    • H01L33/26—Materials of the light emitting region
    • H—ELECTRICITY
    • H05—ELECTRIC TECHNIQUES NOT OTHERWISE PROVIDED FOR
    • H05B—ELECTRIC HEATING; ELECTRIC LIGHT SOURCES NOT OTHERWISE PROVIDED FOR; CIRCUIT ARRANGEMENTS FOR ELECTRIC LIGHT SOURCES, IN GENERAL
    • H05B33/00—Electroluminescent light sources
    • H05B33/10—Apparatus or processes specially adapted to the manufacture of electroluminescent light sources
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10K—ORGANIC ELECTRIC SOLID-STATE DEVICES
    • H10K50/00—Organic light-emitting devices
    • H10K50/10—OLEDs or polymer light-emitting diodes [PLED]
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10K—ORGANIC ELECTRIC SOLID-STATE DEVICES
    • H10K50/00—Organic light-emitting devices
    • H10K50/10—OLEDs or polymer light-emitting diodes [PLED]
    • H10K50/11—OLEDs or polymer light-emitting diodes [PLED] characterised by the electroluminescent [EL] layers
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10K—ORGANIC ELECTRIC SOLID-STATE DEVICES
    • H10K50/00—Organic light-emitting devices
    • H10K50/10—OLEDs or polymer light-emitting diodes [PLED]
    • H10K50/11—OLEDs or polymer light-emitting diodes [PLED] characterised by the electroluminescent [EL] layers
    • H10K50/12—OLEDs or polymer light-emitting diodes [PLED] characterised by the electroluminescent [EL] layers comprising dopants
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10K—ORGANIC ELECTRIC SOLID-STATE DEVICES
    • H10K71/00—Manufacture or treatment specially adapted for the organic devices covered by this subclass
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10K—ORGANIC ELECTRIC SOLID-STATE DEVICES
    • H10K71/00—Manufacture or treatment specially adapted for the organic devices covered by this subclass
    • H10K71/10—Deposition of organic active material
    • H10K71/12—Deposition of organic active material using liquid deposition, e.g. spin coating
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10K—ORGANIC ELECTRIC SOLID-STATE DEVICES
    • H10K85/00—Organic materials used in the body or electrodes of devices covered by this subclass
    • H—ELECTRICITY
    • H10—SEMICONDUCTOR DEVICES; ELECTRIC SOLID-STATE DEVICES NOT OTHERWISE PROVIDED FOR
    • H10K—ORGANIC ELECTRIC SOLID-STATE DEVICES
    • H10K85/00—Organic materials used in the body or electrodes of devices covered by this subclass
    • H10K85/60—Organic compounds having low molecular weight

Landscapes

  • Engineering & Computer Science (AREA)
  • Physics & Mathematics (AREA)
  • Manufacturing & Machinery (AREA)
  • Theoretical Computer Science (AREA)
  • Chemical & Material Sciences (AREA)
  • Materials Engineering (AREA)
  • Optics & Photonics (AREA)
  • Computing Systems (AREA)
  • Software Systems (AREA)
  • Mathematical Physics (AREA)
  • Bioinformatics & Computational Biology (AREA)
  • Evolutionary Computation (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computer Vision & Pattern Recognition (AREA)
  • Life Sciences & Earth Sciences (AREA)
  • Bioinformatics & Cheminformatics (AREA)
  • Medical Informatics (AREA)
  • Artificial Intelligence (AREA)
  • Computer Hardware Design (AREA)
  • Microelectronics & Electronic Packaging (AREA)
  • Power Engineering (AREA)
  • Organic Chemistry (AREA)
  • Spectroscopy & Molecular Physics (AREA)
  • Electroluminescent Light Sources (AREA)
  • Led Devices (AREA)
  • Led Device Packages (AREA)
  • Luminescent Compositions (AREA)

Abstract

【課題】良好な特性を有し得る化合物を効率的に得ることができる情報処理方法等を提供する。【解決手段】複数の候補となる化合物における量子化学計算により求めたスペクトル指標を取得し、取得した前記スペクトル指標に基づき、各化合物を、スペクトル指標が所定条件を満たすグループと、スペクトル指標が所定条件を満たさないグループとに分類し、前記スペクトル指標が所定条件を満たすグループに分類された発光性化合物を抽出する情報処理方法。【選択図】図１

Description

本発明は、発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びそ
の製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並び
にデータ生成方法に関する。
有機化合物又は有機金属錯体を発光物質とする発光素子（有機ＥＬ素子）の実用化が進
んでいる。有機ＥＬ素子は、一対の電極間に発光材料を含む有機化合物層を挟んで電圧を
印加することにより、電極から注入された電子およびホールが再結合して発光物質が励起
状態となり、その励起状態が基底状態に戻る際に発光する。発光素子に用いる発光物質に
よって、その発光特性が異なることから、良好な発光特性を有する発光物質に関する研究
開発が進められている。
近年、新規物質や代替物質の研究開発にあたり、統計分析等の情報処理技術を用いて効
率的に材料開発を行うマテリアルズ・インフォマティクス（ＭＩ）の技術が提案されてい
る（例えば特許文献１）。
特開２０１９－８７１０７号公報
ＭＩの技術を用いて、所望の特性を満たし得る化合物を探索するためには、膨大な数の
候補化合物に対し、ＭＩを適用して各化合物の特性を評価する必要がある。所望の特性を
満たし得る化合物を抽出するには、いまだ非常に多くの計算コストや時間を要する。
本開示の主な目的は、良好な特性を有し得る化合物を効率的に得ることができる情報処
理方法等を提供することである。
本開示の一態様に係る発光素子は、陽極と、陰極と、前記陽極及び前記陰極の間に設け
られた発光層と、を有する、発光素子であって、前記発光層が、ｍｏｒｄｒｅｄによる分
子記述子のＳｐＤｉａｍ＿Ａが５．０以上、ＡＡＴＳＣ２ｃが０．００３以下、ＭＡＴＳ
５ｓが０．１７以下、ＧＡＴＳ６ｃが０．６以上、及びＡＥＴＡ＿ｂｅｔａが１．６以下
を満たす発光性化合物を含有する。
本開示の一態様に係る発光性化合物は、ｍｏｒｄｒｅｄによる分子記述子のＳｐＤｉａ
ｍ＿Ａが５．０以上、ＡＡＴＳＣ２ｃが０．００３以下、ＭＡＴＳ５ｓが０．１７以下、
ＧＡＴＳ６ｃが０．６以上、及びＡＥＴＡ＿ｂｅｔａが１．６以下を満たす。
本開示の一態様に係る組成物は、上述の発光性化合物と、正孔輸送材料、正孔注入材料
、電子輸送材料、電子注入材料、発光材料、酸化防止剤及び溶媒からなる群より選ばれる
少なくとも１種と、を含有する。
本開示の一態様に係る発光性化合物の製造方法は、複数の化合物を準備する準備工程と
、前記準備工程で得られた複数の化合物から、発光性化合物を抽出する抽出工程と、を含
み、前記抽出工程において、ｍｏｒｄｒｅｄによる分子記述子のＳｐＤｉａｍ＿Ａが５．
０以上、ＡＡＴＳＣ２ｃが０．００３以下、ＭＡＴＳ５ｓが０．１７以下、ＧＡＴＳ６ｃ
が０．６以上、ＡＥＴＡ＿ｂｅｔａが１．６以下、ＡＡＴＳＣ３ｓが－０．２以上０．５
以下、Ｃ３ＳＰ２が０以上３０以下、ＡＥＴＡ＿ｂｅｔａ＿ｓが０．５以上１．０以下、
ＳｌｏｇＰ＿ＶＳＡ５が０以上４００以下、ｎ５ａＲｉｎｇが０以上１０以下、及びｎ６
ＡＲｉｎｇが０以上１０以下のうちの少なくとも１つを満たす発光性化合物を抽出する。
本開示の一態様に係る発光性化合物の製造方法は、複数の化合物を準備する準備工程と
、前記準備工程で得られた複数の化合物から、発光スペクトルの半値幅が所定値未満であ
る発光性化合物を抽出する抽出工程と、を含み、前記抽出工程において、ｍｏｒｄｒｅｄ
による分子記述子のＳｐＤｉａｍ＿Ａが５．０以上、ＡＡＴＳＣ２ｃが０．００３以下、
ＭＡＴＳ５ｓが０．１７以下、ＧＡＴＳ６ｃが０．６以上、ＡＥＴＡ＿ｂｅｔａが１．６
以下、ＡＡＴＳＣ３ｓが－０．２以上０．５以下、Ｃ３ＳＰ２が０以上３０以下、ＡＥＴ
Ａ＿ｂｅｔａ＿ｓが０．５以上１．０以下、ＳｌｏｇＰ＿ＶＳＡ５が０以上４００以下、
ｎ５ａＲｉｎｇが０以上１０以下、及びｎ６ＡＲｉｎｇが０以上１０以下のうちの少なく
とも１つを満たす発光性化合物を抽出する。
本開示の一態様に係る組成物の製造方法は、上述のいずれかの製造方法により製造され
た発光性化合物と、正孔輸送材料、正孔注入材料、電子輸送材料、電子注入材料、発光材
料、酸化防止剤及び溶媒からなる群より選ばれる少なくとも１種と、を混合する工程を含
む。
本開示の一態様に係る発光素子の製造方法は、陽極と、陰極と、前記陽極及び前記陰極
の間に設けられた発光層と、を有する、発光素子の製造方法であって、上述のいずれかの
製造方法により製造された発光性化合物を用いて前記発光層を形成する工程を含む。
本開示の一態様に係る情報処理方法は、複数の候補となる化合物における量子化学計算
により求めたスペクトル指標を取得し、取得した前記スペクトル指標に基づき、各化合物
を、スペクトル指標が所定条件を満たすグループと、スペクトル指標が所定条件を満たさ
ないグループとに分類し、前記スペクトル指標が所定条件を満たすグループに分類された
発光性化合物を抽出する。
本開示の一態様に係る発光性化合物の製造方法は、上述の情報処理方法により発光性化
合物を抽出する工程と、抽出した前記発光性化合物を得る工程と、を含む。
本開示の一態様に係る情報処理方法は、複数の候補となる化合物を生成し、生成した各
化合物の分子記述子毎の値を取得し、化合物の分子記述子の値を入力した場合に、該化合
物のスペクトル指標を出力するよう学習されたモデルに、得られた前記各化合物の分子記
述子の値を入力してスペクトル指標を特定し、特定したスペクトル指標が所定条件を満た
す発光性化合物を抽出する。
本開示の一態様に係る発光性化合物の製造方法は、上述の情報処理方法により発光性化
合物を抽出する工程と、抽出した前記発光性化合物を得る工程と、を含む。
本開示の一態様に係る発光性化合物の提供方法は、コンピュータにより生成された候補
となる複数の化合物から抽出された、化合物の分子記述子の値を入力した場合に、該化合
物のスペクトル指標を出力するよう学習されたモデルを用いて特定されたスペクトル指標
が所定条件を満たす発光性化合物を出力する。
本開示の一態様に係るデータ生成方法は、コンピュータにより生成された候補となる複
数の化合物と、各化合物に対する量子化学計算により算出されたスペクトル指標と、を対
応付けて記憶し、前記各化合物における分子記述子毎の値を前記各化合物にさらに対応付
けて記憶する。
本開示の一態様に係る情報処理方法は、化合物に希望する特性の条件を取得し、複数の
候補となる化合物をコンピュータにより生成し、生成した各化合物の分子記述子毎の値を
取得し、化合物の分子記述子の値を入力した場合に該化合物の特性を出力するよう学習さ
れたモデルを用いて、生成した各化合物の中から化合物の特性が前記条件を満たす化合物
を抽出し、抽出した化合物に対する量子化学計算により特性を算出し、量子化学計算によ
り算出した特性が前記条件を満たす化合物を特定し、特定した化合物及び該化合物の特性
を出力する。
本開示の一態様に係る情報処理方法は、化合物に希望する特性の条件を受け付け、受け
付けた前記条件を満たす化合物の複数の分子記述子と、各分子記述子の値の範囲と取得し
、取得した前記複数の分子記述子と、各分子記述子の値の範囲とを表示する。
本開示によれば、良好な特性を有し得る化合物を効率的に得ることができる。
実施形態に係る情報処理装置１の構成例を示すブロック図である。 化合物ＤＢに記憶される化合物情報の内容例を示す図である。 学習モデルの概要を示す説明図である。 １次抽出に関する処理手順の一例を示すフローチャートである。 ２次抽出に関する処理手順の一例を示すフローチャートである。 マッピングデータを例示する図である。 マッピングデータを例示する図である。 表示部に表示される結果画面の一例を示す模式図である。 変形例における情報処理装置及び情報端末装置の構成例を示すブロック図である。 情報端末装置が実行する処理手順の一例を示すフローチャートである。 表１及び表２に示す化合物のマッピングデータを例示する図である。 表１及び表２に示す化合物のマッピングデータを例示する図である。
本開示をその実施の形態を示す図面を参照して具体的に説明する。初めに、実施形態に
係る情報処理装置を用いた情報処理方法について説明する。
図１は、実施形態に係る情報処理装置１の構成例を示すブロック図である。情報処理装
置１は、種々の情報処理、情報の送受信が可能な装置であり、例えばサーバコンピュータ
、パーソナルコンピュータ、量子コンピュータ等である。情報処理装置１は、複数の候補
となる化合物の中から、所望の特性を有し得る化合物や、所望の特性を有し得る新規化合
物を抽出する抽出装置として機能する。
本実施形態では、情報処理装置１により実施される処理内容について、良好な発光スペ
クトルを有し得る発光性化合物の抽出に適用する例を挙げて説明する。良好な発光スペク
トルとは、発光性化合物の発光効率（光取り出し効率）を向上し得るような発光スペクト
ルであってもよい。本実施形態の適用対象は発光性化合物に限らず、例えば良好な充放電
性能を有し得る電池材料の抽出等、多様な特性を有し得る各種化合物の抽出に適用させる
ことができる。
発光素子は、一対の電極間に発光物質である発光性化合物を含む発光層を挟んで電圧を
印加することにより、発光性化合物が光を発する。発光性化合物が発する光のスペクトル
はその発光性化合物特有のものであり、異なる種類の発光性化合物を用いることによって
、様々な色や強さの発光を呈する発光素子を得ることができる。
発光性化合物における発光効率は、発光性化合物の発光スペクトルに影響される。例え
ば発光性化合物におけるスペクトル幅を狭線化させることで、発光ロスを低減し発光効率
をより向上させることができる。本実施形態では、良好な発光スペクトルを有し発光効率
に優れ得る発光性化合物として、発光性化合物におけるスペクトル指標が所定条件を満た
す発光性化合物を抽出する。
スペクトル指標とは、発光性化合物における発光スペクトルに関する値を意味する。ス
ペクトル指標としては、例えばスペクトル幅、スペクトル強度、第１ピーク及び第２ピー
クの強度比、スペクトル形状の標準偏差等が挙げられる。スペクトル幅は、発光スペクト
ルの半値幅であってもよい。半値幅は、半値全幅（ＦＷＨＭ：Full Width at Half Maxim
um）でもよく、半値半幅（ＨＷＨＭ：Half Width at Half Maximum）でもよい。スペクト
ル幅は、スペクトルの第２ピークを考慮し、第２ピークの低エネルギー側において強度が
第２ピークの５０％になる部分から第１ピーク部分までの幅であってもよい。以下の説明
では、スペクトル指標として、スペクトル幅（ＦＷＨＭ）を用いるものとする。
情報処理装置１は、制御部１１、記憶部１２、通信部１３、表示部１４及び操作部１５
等を備える。情報処理装置１は複数のコンピュータからなるマルチコンピュータであって
もよく、ソフトウェアによって仮想的に構築された仮想マシンであってもよい。
制御部１１は、ＣＰＵ（Central Processing Unit）、ＧＰＵ（Graphics Processing U
nit）等を備える演算処理装置である。制御部１１は、内蔵するＲＯＭ（Read Only Memor
y）又はＲＡＭ（Random Access Memory）等のメモリを用い、ＲＯＭや記憶部１２に格納
された各種コンピュータプログラムを実行し、上述したハードウェア各部の動作を制御す
る。制御部１１は、計測開始指示を与えてから計測終了指示を与えるまでの経過時間を計
測するタイマ、数をカウントするカウンタ、日時情報を出力するクロック等の機能を備え
ていてもよい。
記憶部１２は、ハードディスク又はＳＳＤ（Solid State Drive ）等の不揮発性記憶装
置を備える。記憶部１２には各種のコンピュータプログラム及びデータが記憶される。記
憶部１２は、複数の記憶装置により構成されていてもよく、情報処理装置１に接続された
外部記憶装置であってもよい。記憶部１２に記憶されるコンピュータプログラムには、発
光性化合物の抽出に関する処理をコンピュータに実行させるためのプログラム１Ｐが含ま
れる。
記憶部１２にはさらに、学習モデル１２１及び化合物ＤＢ（Data Base ：データベース
）１２２が記憶されている。学習モデル１２１は、機械学習により生成された機械学習モ
デルである。学習モデル１２１は、人工知能ソフトウェアの一部を構成するプログラムモ
ジュールとしての利用が想定される。化合物ＤＢ１２２は、複数の化合物に関する化合物
情報を格納するデータベースである。
記憶部１２に記憶されるコンピュータプログラム（コンピュータプログラム製品）は、
当該コンピュータプログラムを読み取り可能に記録した非一時的な記録媒体１Ａにより提
供されてもよい。記録媒体１Ａは、ＣＤ－ＲＯＭ、ＵＳＢメモリ、ＳＤ（Secure Digital
）カード等の可搬型メモリである。制御部１１は、図示しない読取装置を用いて、記録媒
体１Ａから所望のコンピュータプログラムを読み取り、読み取ったコンピュータプログラ
ムを記憶部１２に記憶させる。代替的に、上記コンピュータプログラムは通信により提供
されてもよい。プログラム１Ｐは、単一のコンピュータプログラムでも複数のコンピュー
タプログラムにより構成されるものでもよく、また、単一のコンピュータ上で実行されて
も通信ネットワークによって相互接続された複数のコンピュータ上で実行されてもよい。
通信部１３は、インターネット等のネットワークを介した通信に関する処理を行うため
の通信デバイスを備える。制御部１１は通信部１３を通して、外部装置との間で各種情報
の送受信を行う。
表示部１４は、液晶パネル、有機ＥＬ（Electro Luminescence）ディスプレイ等のディ
スプレイ装置を備える。表示部１４は、制御部１１からの指示に従い、各種の情報を表示
する。
操作部１５は、ユーザの操作を受け付けるインタフェースであり、例えばキーボード、
ディスプレイ内蔵のタッチパネルデバイス、スピーカ及びマイクロフォン等を備える。操
作部１５は、ユーザからの操作入力を受け付け、操作内容に応じた制御信号を制御部１１
へ送出する。
図２は、化合物ＤＢ１２２に記憶される化合物情報の内容例を示す図である。化合物Ｄ
Ｂ１２２には、候補となる化合物（以下、単に候補化合物とも称する）に関する化合物情
報を含む候補化合物情報と、既知の化合物に関する化合物情報を含む既知化合物情報とが
記憶されている。候補化合物とは、新たな製造候補となり得る化合物を意味する。既知の
化合物とは、分子構造が公知な化合物であり、新規な化合物でないものを意味する。
候補化合物情報には、例えば化合物を識別するためのＩＤをキーに、各化合物の分子構
造、構造式、スペクトル幅（量子化学計算値）、分子記述子、スペクトルフラグ、既知フ
ラグ等の値を紐付けたレコードが格納されている。
構造式は、ＳＭＩＬＥＳ（Simplified Molecular Input Line Entry System）記法に従
って表現された化合物の化学構造式である。なお、化学構造式の記法は、化学構造を文字
列化等することにより化合物に対し後述する量子化学計算や分子記述子の生成を実行可能
なものであれば特に限定されない。
スペクトル幅（量子化学計算値）は、量子化学計算により得られた化合物のスペクトル
幅である。量子化学計算は、公知の量子化学計算ソフトウェア、例えばＧａｕｓｓｉａｎ
０９（Ｇａｕｓｓｉａｎ社製）を用いて実行することができる。スペクトル幅は、化合物
ＤＢ１２２に記憶されるスペクトル指標の一例である。化合物ＤＢ１２２には、その他量
子化学計算により算出された各種のスペクトル指標が記憶されてよい。
分子記述子は、化合物の持つ構造的特徴や物理化学的特性等を計算機で扱いやすくする
ために数値化したものである。分子記述子は、化合物の構造式から計算可能であり、公知
のソフトウェア、例えばｍｏｒｄｒｅｄ、ＲＤＫｉｔ、ＭＯＥ、ａｌｖａＤｅｓｃ、Ｐａ
ＤＥＬ－Ｄｅｓｃｒｉｐｔｏｒ、Ｃｏｄｅｓｓａ等を用いて求めることができる。本実施
形態では、ｍｏｒｄｒｅｄにより分子記述子を計算するものとし、以下に示す分子記述子
の値はｍｏｒｄｒｅｄにより算出される値を意味する。分子記述子列には、ｍｏｒｄｒｅ
ｄで定義されている複数種類の分子記述子の値が含まれている。
本実施形態では、上述の通りｍｏｒｄｒｅｄにより算出される分子記述子を用いるが、
使用するソフトウェアに応じて、実質的に同内容の記述子、すなわち上述の記述子と同じ
又は類似の内容を意味する記述子を用いてよい。
スペクトルフラグは、候補化合物のスペクトル指標に応じて生成されるフラグである。
詳細には、候補化合物のスペクトル指標が所定条件を満たすか否かを示すフラグである。
スペクトル指標がスペクトル幅である場合、所定条件はスペクトル幅が閾値未満であるか
否かである。図２に示す例では、スペクトル幅が閾値未満である場合、所定条件を満たす
ことを示すフラグ「１」、スペクトル幅が閾値以上である場合、所定条件を満たさないこ
とを示すフラグ「２」がスペクトルフラグ列に格納されている。
既知フラグは、候補化合物が既知であるか否かを示す情報である。図２に示す例では、
候補化合物が既知である場合、既知であることを示すフラグ「１」が既知フラグ列に格納
されている。候補化合物が既知でない場合、既知フラグ列は空欄又は既知でないことを示
すフラグが格納される。
既知化合物情報には、例えば化合物を識別するためのＩＤをキーに、各化合物の分子構
造、構造式、スペクトル幅（実測値）、スペクトル幅（量子化学計算値）、分子記述子等
の値を紐付けたレコードが格納されている。
スペクトル幅（実測値）は、実験により得られた化合物のスペクトル幅である。既知化
合物情報に記憶される他の情報内容は、候補化合物情報と同様である。
情報処理装置１は、例えば論文、専門書、公知の構造式検索手段等を用いて既知の化合
物の構造式を収集する。情報処理装置１は、発光性を有する発光性化合物に特化して化合
物を収集してもよい。情報処理装置１は、収集した化合物に関する各種実測値や、量子化
学計算及び分子記述子等の算出により得られる各種データを取得し、既知化合物情報とし
て化合物ＤＢ１２２に蓄積する。化合物ＤＢ１２２に記憶される化合物情報は上記の例に
限定されない。
図３は、学習モデル１２１の概要を示す説明図である。学習モデル１２１は、化合物に
おける複数の分子記述子の値を入力として、該化合物のスペクトル幅を出力する機械学習
モデルである。なお、学習モデル１２１の出力値は、スペクトル幅以外の他のスペクトル
指標であってもよい。
情報処理装置１は、所定の訓練データを学習する機械学習を行って学習モデル１２１を
事前に生成しておく。そして情報処理装置１は、学習モデル１２１を用いて、新たに生成
した発光性化合物の分子記述子に対するスペクトル幅を推定する。
学習モデル１２１は、例えばランダムフォレストである。ランダムフォレストは、複数
の決定木によって、対象データを特徴量に合った目的属性に分類するための分類器であり
、各決定木で得られた出力結果に対する多数決によって最終的な分類結果を獲得する。回
帰問題を扱う場合には、各決定木で得られた出力結果の代表値（例えば平均値）を最終的
な予測値として出力してもよい。
学習モデル１２１は、複数の分岐ノードと、分岐ノードの末端の葉ノードとを有する決
定木により構成される。各決定木において、入力データは一番上の根ノードから枝に行く
途中で条件により分類され、末端の葉ノードに辿り着くと、当該末端の葉ノードに与えら
れた値が予測値として出される。各葉ノードには、スペクトル幅の値が対応付けられてい
る。
学習モデル１２１への入力となる説明変数は、化合物における複数の分子記述子の値で
ある。学習モデル１２１からの出力となる目的変数は、スペクトル幅の値である。各決定
木の生成にはそれぞれ異なる説明変数が用いられ、当該説明変数に対するスペクトル幅が
出力される。
なお、説明変数として複数の分子記述子を用いる場合、スペクトル幅の説明力が高い記
述子を選択する観点から、例えばＲｉｄｇｅ回帰、ＬＡＳＳＯ回帰等により選択された所
定数の分子記述子を使用してもよい。ｍｏｒｄｒｅｄにて定義される分子記述子は１００
０種類以上存在するため、所定数の分子記述子を選択的に利用することで、計算コストを
低減することができる。
学習モデル１２１は、複数の分子記述子の値と、スペクトル幅を示すラベルとが対応付
けられた訓練データを用意し、当該訓練データを用いて未学習のモデルを機械学習させる
ことにより生成することができる。
正解となるスペクトル幅は、例えば量子化学計算により算出されたスペクトル幅を用い
ることができる。量子化学計算は、公知の量子化学計算ソフトウェアを用いて実行するこ
とができる。このような量子化学計算は、実測値との誤差の小さい高精度な値が得られる
ことが知られている。本発明者らの検討においても、実測値と量子化学計算による計算値
との誤差はわずかな値であることが確認されている。このようなシミュレーションによる
測定値を訓練データのスペクトル幅として利用することで、実験による実測値の収集を不
要とし、より多くの訓練データを容易かつ効率的に生成することができる。
正解となるスペクトル幅は、量子化学計算によるスペクトル幅に限らず、実験による実
測値であってもよく、量子化学計算によるスペクトル幅及び実測値の両方であってもよい
。
情報処理装置１は、訓練データに含まれる入力データを当てはめ、最上位の根ノードか
ら下位に向かい、損失関数を用いてもっとも良い値を出力する枝を逐次的に探索しながら
決定木を生成する。情報処理装置１は、学習モデル１２１における損失関数を最適化（最
小化）するよう、例えば勾配降下法を用いパラメータを調整する。情報処理装置１は、損
失関数が所定基準を満たすことにより学習を完了する。学習が完了すると、化合物におけ
る分子記述子の値に対し当該化合物のスペクトル幅を適切に認識可能に学習された学習モ
デル１２１が構築される。
上記では、学習モデル１２１がランダムフォレストである例を説明したが、学習モデル
１２１の構成は限定されるものではなく、分子記述子に対するスペクトル幅を識別可能で
あればよい。学習モデル１２１は、例えば、Ｔｒａｎｓｆｏｒｍｅｒ、ＣＮＮ（Convolut
ion Neural Network）、ＲＮＮ（Recurrent Neural Network）、ＬＳＴＭ（Long Short T
erm Memory）等のニューラルネットワークであってもよく、サポートベクタマシン、ロジ
スティクス回帰、ＸＧＢｏｏｓｔ（eXtreme Gradient Boosting ）等の他の学習アルゴリ
ズムを用いてもよい。
学習モデル１２１は、情報処理装置１により生成され、学習されるものに限られない。
学習モデル１２１は、外部サーバにて学習済みのモデルとして情報処理装置１へ送信され
、記憶部１２に記憶されてもよい。学習モデル１２１は、外部サーバにて生成され、情報
処理装置１にて学習されてもよい。
以下、情報処理装置１が実行する発光性化合物の抽出処理の詳細を説明する。
図４は、１次抽出に関する処理手順の一例を示すフローチャートである。以下の各フロ
ーチャートにおける処理は、情報処理装置１の記憶部１２に記憶するプログラム１Ｐに従
って制御部１１により実行されてもよく、制御部１１に備えられた専用のハードウェア回
路（例えばＦＰＧＡ又はＡＳＩＣ）により実現されてもよく、それらの組合せによって実
現されてもよい。
情報処理装置１の制御部１１は、抽出対象とする発光性化合物の抽出条件を取得する（
ステップＳ１１）。本実施形態における抽出条件は、スペクトル幅が所定値未満である発
光性化合物であり、制御部１１は、発光性化合物におけるスペクトル幅の閾値（上限値）
を取得する。制御部１１は、例えばユーザが操作部１５を操作することによる入力を受け
付けることで抽出条件を取得してもよく、通信接続された外部装置から送信される情報を
受信することにより抽出条件を取得してもよい。
制御部１１は、複数の候補化合物を生成し（ステップＳ１２）、各候補化合物の分子構
造を表す構造式を取得する。制御部１１は、生成した各候補化合物における分子記述子毎
の値を取得する（ステップＳ１３）。詳細には制御部１１は、ｍｏｒｄｒｅｄを用いて、
候補化合物の構造式から各分子記述子の値を算出する。
制御部１１は、例えばＲｉｄｇｅ回帰又はＬＡＳＳＯ回帰等を用いて、全ての分子記述
子の中から、学習モデル１２１への入力に用いる所定数の分子記述子を選択する（ステッ
プＳ１４）。なおステップＳ１４の処理は省略してもよい。
制御部１１は、選択した候補化合物における複数の分子記述子の値を学習モデル１２１
に入力し（ステップＳ１５）、学習モデル１２１から出力されるスペクトル幅を取得する
（ステップＳ１６）。制御部１１は、生成した各候補化合物に対し上述の処理を実行し、
スペクトル幅をそれぞれ求める。
制御部１１は、選択した複数の分子記述子について、学習モデル１２１でのスペクトル
幅の予測における寄与度を算出する（ステップＳ１７）。学習モデル１２１がランダムフ
ォレストの場合、分子記述子の寄与度は、変数重要度に相当する。重要度は、例えばｏｏ
ｂ（out-of-bag）データ、ジニ係数等に基づき算出することができる。分子記述子の寄与
度は、その他ＳＨＡＰ（SHapley Additive exPlanation）、ＬＩＭＥ（Local Interpreta
ble Model-Agnostic Explanations）等の手法により算出してもよい。なおステップＳ１
７の処理は省略してもよい。
制御部１１は、取得した学習モデル１２１の予測結果に基づいて、生成した全ての候補
化合物の中から、学習モデル１２１から出力されたスペクトル幅が閾値未満である候補化
合物を抽出する（ステップＳ１８）。ステップＳ１８の抽出は１次抽出に対応する。なお
、１次抽出における閾値は、抽出条件として取得した閾値とは独立して、別途の値が設定
されてもよい。１次抽出は閾値を用いるものに限らず、制御部１１は、例えば学習モデル
１２１から出力されたスペクトル幅の小さい順に所定数の候補化合物を抽出してもよい。
制御部１１は、抽出した各候補化合物について、候補化合物の分子構造、構造式、分子
記述子毎の値を対応付けて、化合物ＤＢ１２２の候補化合物情報に記憶する（ステップＳ
１９）。制御部１１は、１次抽出処理を終了する。
図５は、２次抽出に関する処理手順の一例を示すフローチャートである。情報処理装置
１は、図４の１次抽出処理の終了後に、図５の処理を開始してよい。
情報処理装置１の制御部１１は、図４のステップＳ１８にて抽出した複数の候補化合物
について、量子化学計算により算出されるスペクトル幅を取得する（ステップＳ２１）。
制御部１１は、所定の量子化学計算ソフトウェアを用いて、候補化合物の構造式からスペ
クトル幅の値を算出する。
制御部１１は、取得したスペクトル幅と、当該スペクトル幅に基づき生成される各種フ
ラグとを化合物ＤＢ１２２の候補化合物情報に記憶する（ステップＳ２２）。具体的には
制御部１１は、量子化学計算によるスペクトル幅と、スペクトル幅の閾値とに基づいて、
スペクトル幅が閾値未満であるか否かを判定し、判定結果に応じたスペクトルフラグを生
成する。また制御部１１は、既知化合物情報を参照して、生成した各候補化合物の分子構
造が既知であるか否かを判定し、分子構造が既知である候補化合物に対し既知フラグを生
成する。
制御部１１は、各候補化合物における量子化学計算によるスペクトル幅と、化合物ＤＢ
１２２に記憶する情報とに基づいて、各候補化合物を第１グループから第３グループのい
ずれかに分類する（ステップＳ２３）。具体的には、制御部１１は、各候補化合物に対応
付けられるスペクトルフラグの種類及び既知フラグの有無に基づいて、各候補化合物をグ
ルーピングする。第１グループに分類される候補化合物は、スペクトル幅が閾値未満であ
り、且つ既知の化合物として記憶されていない化合物である。第２グループに分類される
候補化合物は、スペクトル幅が閾値未満であり、且つ既知の化合物として記憶されている
化合物である。第３グループに分類される候補化合物は、スペクトル幅が閾値以上である
化合物である。
制御部１１は、複数の分子記述子の組み合わせ値をグループ毎にマッピングしたマッピ
ングデータを生成する（ステップＳ２４）。制御部１１は、各候補化合物における分子記
述子毎の値と、各候補化合物の属するグループとに基づき、第１グループを他の第２グル
ープ及び第３グループから分離可能な分子記述子の組み合わせ及び各分子記述子の値の範
囲を特定する（ステップＳ２５）。
図６及び図７は、マッピングデータを例示する図である。図示の如く、マッピングデー
タは、異なる種類の分子記述子を縦軸横軸とするグラフである。グラフ上に、複数の候補
化合物における分子記述子の組み合わせ値がマッピングされている。
図６に示す例にて、グラフの縦軸はＡＡＴＳＣ２ｃ、横軸はＳｐＤｉａｍ＿Ａである。
制御部１１は、マッピング対象となる各候補化合物について、候補化合物データに記憶さ
れるＡＡＴＳＣ２ｃ及びＳｐＤｉａｍ＿Ａの値をグラフ上にプロットする。図６では、説
明の容易のため、第１グループ及び第３グループに属する化合物をマッピングしたマッピ
ングデータを例示しているが、マッピングデータには、第１グループから第３グループま
でに属する全ての化合物がマッピングされていてもよいことは勿論である。
制御部１１は、後述する分子記述子の特定精度を向上する観点から、１次抽出にて選別
した抽出対象外の候補化合物を含めてマッピングデータを生成してもよく、候補化合物の
みならず既知の化合物を含めてマッピングデータを生成してもよい。例えば、制御部１１
は、既知化合物情報を参照して、スペクトル幅が閾値未満である既知の化合物を抽出し、
抽出した既知の化合物を第２グループに属する化合物としてマッピングデータにマッピン
グしてもよい。
マッピングデータは、各候補化合物の属するグループを識別可能に表示する。制御部１
１は、例えば分子記述子の値のマーカーの形や表示色をグループに応じて変更するなど、
分子記述子の値のマーカーの表示態様をグループに応じて異ならせる。これにより、ユー
ザは、複数の情報を効率的に把握できるとともに、グループ毎のデータを明確に認識する
ことができる。
制御部１１は、マッピングデータを用いて、第１グループの候補化合物を、他のグルー
プの候補化合物から分離可能な分子記述子の値の範囲を特定する。制御部１１は、分子記
述子の値の分布状況に応じて、分子記述子毎に、第１グループの候補化合物のみを含むよ
うな分子記述子の上限値及び下限値を導出する。制御部１１は、上限値又は下限値のいず
れか一方のみを特定してもよい。制御部１１は、第１グループの切り分けが不可である分
子記述子の組み合せについては、当該組み合わせが適正でないと判定し、上限値及び下限
値を特定しないものであってよい。
図６に示す例では、第１グループに属する候補化合物がグラフの右側に偏在するようマ
ッピングされている。制御部１１は、図６中の破線枠で示す領域を切り出し可能なＡＡＴ
ＳＣ２ｃの上限値及び下限値と、ＳｐＤｉａｍ＿Ａの上限値及び下限値とを特定する。
制御部１１は、他の分子記述子の組み合わせについても同様の処理を実行する。具体的
には、制御部１１は、新たな分子記述子の組み合わせを縦軸横軸とするマッピングデータ
を生成し、当該分子記述子の組み合わせに対する分子記述子毎の値の範囲を特定する。
図７は、他の分子記述子の組み合わせに係るマッピングデータの一例を示す。図７は、
グラフの縦軸をＡＥＴＡ＿ｂｅｔａ、横軸をＧＡＴＳ６ｃとするマッピングデータである
。制御部１１は、図７に示すマッピングデータに基づいて、図７中の中央右側に示す破線
枠で示す領域を切り出し可能なＡＥＴＡ＿ｂｅｔａの上限値及び下限値と、ＧＡＴＳ６ｃ
の上限値及び下限値とをさらに特定する。なお図６及び図７に示す破線枠は、単に第１グ
ループを分離する概念を示すものであり、分子記述子の数値を何ら限定するものではない
。
制御部１１は、異なる分子記述子の組み合わせ毎の複数のマッピングデータと、各分子
記述子の値の範囲とを統合的に評価することにより、最終的な分子記述子の組合せ及び各
分子記述子の値の範囲を特定する。
具体的には、制御部１１は、第１のマッピングデータで特定した分子記述子の値の範囲
を満たす化合物について、第２のマッピングデータを生成し、さらなる分子記述子の値の
範囲を特定する。そして、第１及び第２のマッピングデータで特定した分子記述子の値の
範囲を満たす化合物について、第３のマッピングデータによる特定を行う。制御部１１は
最終的に、第１グループを他のグループから分離可能な１つの分子記述子の組み合わせと
、各分子記述子の値の範囲とを取得する。なお、マッピングデータは２種類の分子記述子
を２軸で示すものに限定されず、３種類以上の分子記述子を軸とするものであってもよい
。
制御部１１は、分子記述子の組み合わせ及び範囲の特定処理において、各分子記述子の
寄与度に従い、特定処理に用いる分子記述子の優先度を決定してもよい。制御部１１は、
図４のステップＳ１７にて算出した各分子記述子の寄与度に基づき、寄与度の高い順に優
先的に分子記述子を使用する。制御部１１は、寄与度の高い分子記述子から順に組み合わ
せを生成し、分子記述子の値の範囲を特定する。分子記述子の寄与度を考慮することで、
多数の分子記述子の中から、候補化合物の分離に影響力が高い分子記述子を効率的且つ効
果的に選択することができる。
制御部１１は、分子記述子の値の範囲を先に特定した後、分子記述子の組み合わせを特
定してもよい。制御部１１は、例えば化合物ＤＢ１２２を参照して、スペクトル指標が所
定条件を満たす既知の化合物を全て抽出し、抽出した各化合物における分子記述子毎の値
を取得する。制御部１１は、取得した各分子記述子における最大値及び最小値を特定し、
特定した最大値及び最小値の範囲を、当該分子記述子の値の範囲とする。制御部１１は、
特定した範囲を対応付けた分子記述子を用いて、第１グループを分離することのできる分
子記述子の組み合わせを特定する。
なお分子記述子の組み合わせ及びその値の範囲を特定する方法は上記に限らず、その他
公知の手法を用いてよい。
候補化合物のグループ分けは、上記第１グループから第３グループに分類するものに限
られない。例えば候補化合物は、既知の化合物であるか否を考慮することなく、スペクト
ル指標が所定条件を満たすか否かにより分類されてもよい。この場合、候補化合物は、ス
ペクトル指標が所定条件を満たすグループ（スペクトル幅が閾値未満であるグループ）と
、スペクトル指標が所定条件を満たさないグループ（スペクトル幅が閾値以上であるグル
ープ）とに分類される。制御部１１は、スペクトル指標が所定条件を満たすグループを、
スペクトル指標が所定条件を満たさないグループから分離可能な分子記述子の組み合わせ
及び範囲を特定する。
図５に戻り説明を続ける。制御部１１は、１次抽出された候補化合物の中から、特定し
た分子記述子の組み合わせ及び各分子記述子の値の範囲を満たす候補化合物（発光性化合
物）を抽出する（ステップＳ２６）。ステップＳ２６の処理により、第１グループに属す
る発光性化合物が抽出される。ステップＳ２６の抽出は２次抽出に対応する。制御部１１
は、２次抽出において、第１グループに属する発光性化合物のうちスペクトル幅の小さい
順に所定数の発光性化合物を抽出してもよい。
制御部１１は、２次抽出結果を記憶部１２に記憶する（ステップＳ２７）。制御部１１
は、２次抽出により第１グループに分類された発光性化合物が合成により実際に得られた
場合、新たな既知の化合物として候補化合物情報に新たな既知フラグを生成してもよい。
制御部１１は、新たに既知フラグが生成された候補化合物情報を、既知化合物情報に追加
する。
制御部１１は、得られた抽出結果を、表示部１４を介して出力し（ステップＳ２８）、
一連の処理を終了する。
以下に、図４及び図５の処理内容について具体的な数値例を挙げて説明する。
制御部１１は、ステップＳ１１において、抽出条件として、スペクトル幅が０．２ｅＶ
未満を満たすとの条件を受け付ける。スペクトル幅の閾値は、良好な発光スペクトルを有
する既存の発光性化合物におけるスペクトル幅を基準値として、上記基準値に所定のマー
ジンを加味した値が設定されている。
制御部１１は、ステップＳ１２において、例えばシクロヘキサン環を基本骨格とし、環
の数や置換基を異ならせた複数の候補化合物を生成する。
制御部１１は、ステップＳ１４において、ｍｏｒｄｒｅｄにて定義される複数の記述子
の中から、Ｒｉｄｇｅ回帰により選択される５０種類の分子記述子を取得する。取得した
分子記述子としては、例えばＳｐＤｉａｍ＿Ａ、ＡＡＴＳＣ２ｃ、ＡＡＴＳＣ３ｓ、ＭＡ
ＴＳ５ｓ、ＧＡＴＳ６ｃ、ＧＡＴＳ７ｉ、Ｃ３ＳＰ２、ＡＥＴＡ＿ｂｅｔａ、ＡＥＴＡ＿
ｂｅｔａ＿ｓ、ＳｌｏｇＰ＿ＶＳＡ５、ｎ５ａＲｉｎｇ、ｎ６Ａｒｉｎｇ、ｎＢ、ｎＡＲ
ｉｎｇ、ＡＸｐ－３ｄ、ＳａａｓＣ、Ｖａｂｃ等が挙げられる。制御部１１は、各候補化
合物について、それら５０種類の分子記述子毎の値を算出する。制御部１１は、算出した
分子記述子を用いて学習モデル１２１によりスペクトル幅を予測するとともに、各分子記
述子における寄与度を算出する。
制御部１１は、ステップＳ２５において、スペクトル幅が０．２ｅＶ未満であり新規な
候補化合物群を、スペクトル幅が０．２ｅＶ未満であり且つ既知の化合物群及びスペクト
ル幅が０．２ｅＶ以上である化合物群から分離可能な分子記述子の組み合わせ及び各分子
記述子の値の範囲を特定する。
特定結果の一例として、例えばＳｐＤｉａｍ＿Ａが５．０以上、ＡＡＴＳＣ２ｃが０．
００３以下、ＭＡＴＳ５ｓが０．１７以下、ＧＡＴＳ６ｃが０．６以上、及びＡＥＴＡ＿
ｂｅｔａが１．６以下が得られる。
分子記述子の組み合わせ及び各分子記述子の値の範囲としてはさらに、ＳｐＤｉａｍ＿
Ａが５．０以上６．０以下、ＡＡＴＳＣ２ｃが－０．０１０以上０．００３以下、ＭＡＴ
Ｓ５ｓが－０．３０以上０．１７以下、ＧＡＴＳ６ｃが０．６以上３．０以下、及びＡＥ
ＴＡ＿ｂｅｔａが０．５以上１．６以下を特定し得る。分子記述子が上記組み合わせ及び
その値の範囲内において、スペクトル幅の狭線化により良好な発光スペクトルを有し得る
発光性化合物を、より効率的且つ効果的に抽出することができる。
分子記述子の組み合わせ及び各分子記述子の値の範囲としてはさらにまた、ｎＢが０以
上２以下、ＡＡＴＳＣ３ｓが－０．２以上０．５以下、Ｃ３ＳＰ２が０以上３０以下、Ａ
ＥＴＡ＿ｂｅｔａ＿ｓが０．５以上１．０以下、ＳｌｏｇＰ＿ＶＳＡ５が０以上４００以
下、ｎ５ａＲｉｎｇが０以上１０以下、ｎ６ＡＲｉｎｇが０以上１０以下、ｎＡＲｉｎｇ
が０以上１０以下、ＡＸｐ－３ｄが０．１０以上０．２０以下、ＳａａｓＣが０以上４０
以下、及びＶａｂｃが１００以上２０００以下を特定し得る。
図８は、表示部１４に表示される結果画面の一例を示す模式図である。制御部１１は、
得られた抽出結果に基づいて、抽出結果を示す結果画面を生成し表示部１４に表示させる
。図８に示すように、結果画面には、例えば抽出条件欄１４１、結果一覧１４２、分子記
述子情報欄１４３、マッピングデータ欄１４４等が含まれている。
抽出条件欄１４１には、抽出に用いた抽出条件が表示されている。情報処理装置１は、
抽出時に受け付けた抽出条件を抽出条件欄１４１に表示させる。
結果一覧１４２には、抽出された発光性化合物が一覧で表示されている。情報処理装置
１は、候補化合物情報に記憶する情報に基づいて、２次抽出により抽出された各発光性化
合物における分子構造、量子化学計算によるスペクトル幅、分子記述子毎の値等を一覧で
表示させる。
分子記述子情報欄１４３には、抽出条件に対応する分子記述子の組み合わせ及び各分子
記述子の値の範囲が表示されている。情報処理装置１は、図５のステップＳ２５にて特定
した分子記述子の組み合わせ及び各分子記述子の値の範囲を分子記述子情報欄１４３に表
示させる。分子記述子情報欄１４３にはさらに、分子記述子の寄与度を示す情報が表示さ
れている。情報処理装置１は、図４のステップＳ１７にて取得した各分子記述子の寄与度
に基づいて、寄与度の高い順に分子記述子を並べて分子記述子情報欄１４３に表示させる
。
マッピングデータ欄１４４には、マッピングデータが表示されている。マッピングデー
タ欄１４４は、ユーザの操作部１５を介した操作に応じて、表示対象とするマッピングデ
ータの縦軸横軸の分子記述子を変更可能に構成されている。情報処理装置１は、図５のス
テップＳ２４にて生成した複数のマッピングデータのうち、ユーザの選択に応じた分子記
述子を軸とするマッピングデータを読み出し、マッピングデータ欄１４４に表示させる。
例えば発光性化合物の合成担当者は、結果画面を用いて製造候補となる発光性化合物に
関する各種情報を容易に把握することができる。合成担当者は、結果画面に提示される抽
出結果を確認することにより、実際に合成を行う発光性化合物を決定することができる。
上述の構成によれば、所望の特性を満たし得る化合物を効率的に抽出し、合成を行うこ
とができる。情報処理装置１は、学習モデル１２１を用いて１次抽出を行った化合物に対
して量子化学計算を行うことで、所望の特性を満たし得る化合物を精度よく抽出するとと
もに、演算負荷を低減することができる。
上述の構成によれば、所望の特性を満たし得る化合物を抽出可能な分子記述子の条件が
特定される。特定された分子記述子の条件を利用することで、新たな候補化合物から所望
の特性を満たし得る化合物を効率的に抽出することができる。分子記述子の条件は、マッ
ピングデータを用いて効率的に特定される。分子記述子の条件は、化合物群を分離するた
めのグルーピング数、グルーピング条件、スペクトル指標の値などを適宜調整することに
より、多様な抽出態様に応じた条件を取得することができる。
（変形例）
情報処理装置１は、化合物の抽出結果を外部装置へ提供するよう構成されてもよい。図
９は、変形例における情報処理装置１及び情報端末装置２の構成例を示すブロック図であ
る。情報端末装置２は、抽出結果の提供を受ける外部装置の一例である。
図９に示すように、情報処理装置１は、複数の情報端末装置２それぞれとインターネッ
ト等のネットワークＮを介して通信可能に接続されている。情報処理装置１と情報端末装
置２とは、ネットワークＮを介してデータの送受信が可能である。
情報処理装置１は、情報端末装置２から受け付けた抽出条件に応じて、抽出条件を満た
す化合物の抽出や記述子の特定を実行し、実行結果を示す情報を情報端末装置２へ送信す
る。情報処理装置１は、化合物の抽出サービスを提供するサービス提供サーバとして機能
する。
情報端末装置２は、例えばパーソナルコンピュータ、スマートフォン、タブレット端末
等であり、抽出サービスを利用するユーザにより管理される。
情報端末装置２は、制御部２１、記憶部２２、通信部２３、表示部２４及び操作部２５
等を備える。記憶部２２は、化合物の抽出結果を取得に関する処理をコンピュータに実行
させるためのプログラム２Ｐを含む各種のコンピュータプログラム及びデータが記憶され
る。情報端末装置２のハードウェア構成は情報処理装置１と同様であるため詳細な説明を
省略する。
図１０は、情報端末装置２が実行する処理手順の一例を示すフローチャートである。以
下の各フローチャートにおける処理は、情報端末装置２の記憶部２２に記憶するプログラ
ム２Ｐに従って制御部２１により実行されてもよく、制御部２１に備えられた専用のハー
ドウェア回路により実現されてもよく、それらの組合せによって実現されてもよい。
情報端末装置２の制御部２１は、ユーザが操作部２５を操作することによる抽出条件を
受け付ける（ステップＳ４１）。制御部２１は、例えば、抽出対象とする化合物に希望す
る特定として、化合物が満たすべきスペクトル幅の範囲を受け付ける。制御部２１は、受
け付けた抽出条件を情報処理装置１へ送信する（ステップＳ４２）。制御部２１は、抽出
条件に対応付けて情報端末装置２又はユーザ識別情報を送信してもよい。
情報処理装置１は、図４のステップＳ１１の処理により、情報端末装置２から送信され
た抽出条件を取得する。情報処理装置１は、図４及び図５で説明した処理を実行すること
により、取得した抽出条件を満たす化合物を抽出する。また情報処理装置１は、例えば取
得した抽出条件を満たす化合物群を、抽出条件を満たさない化合物群から分離可能な分子
記述子の組み合わせ及び各分子記述子の値の範囲を特定する。情報処理装置１は、図５の
ステップＳ２８の処理により、抽出結果を情報端末装置２へ送信する。情報処理装置１は
、通信部１３を介して、情報端末装置２又はユーザ識別情報にて識別される情報端末装置
２へ抽出結果を送信する。
情報端末装置２の制御部２１は、情報処理装置１から送信される抽出結果を受信する（
ステップＳ４３）。制御部２１は、受信した抽出結果を、表示部２４を介して出力し（ス
テップＳ４４）、一連の処理を終了する。表示部２４には、図８と同様な結果画面が表示
される。
上記構成によれば、化合物の抽出に関する各種情報の利用価値を向上することができる
。
本実施形態において、上述の情報処理方法により抽出された発光性化合物を提供できる
。
発光性化合物は、ｍｏｒｄｒｅｄによる分子記述子のＳｐＤｉａｍ＿Ａが５．０以上、
ＡＡＴＳＣ２ｃが０．００３以下、ＭＡＴＳ５ｓが０．１７以下、ＧＡＴＳ６ｃが０．６
以上、及びＡＥＴＡ＿ｂｅｔａが１．６以下を満たす。発光性化合物における分子記述子
が上記範囲内において、発光スペクトルが良好である、特にスペクトル幅が狭線化される
とともに、そのような発光性化合物を効率的に得ることができる。
発光性化合物は、ＳｐＤｉａｍ＿Ａが５．０以上６．０以下、ＡＡＴＳＣ２ｃが－０．
０１０以上０．００３以下、ＭＡＴＳ５ｓが－０．３０以上０．１７以下、ＧＡＴＳ６ｃ
が０．６以上３．０以下、及びＡＥＴＡ＿ｂｅｔａが０．５以上１．６以下を満たすこと
が好ましい。発光性化合物における分子記述子が上記範囲内において、発光スペクトルが
良好である、特にスペクトル幅が狭線化されるとともに、そのような発光性化合物をより
効率的に得ることができる。
発光性化合物の発光スペクトルを良好にする観点から、ＳｐＤｉａｍ＿Ａは、より好ま
しくは５．７以下、さらに好ましくは５．５以下である。ＡＡＴＳＣ２ｃは、より好まし
くは―０．００４以上、さらに好ましくは―０．００３以上であり、また、より好ましく
は０．００２以下、さらに好ましくは０．００１以下である。ＭＡＴＳ５ｓは、より好ま
しくは－０．２０以上、さらに好ましくは―０．１５以上であり、また、より好ましくは
０．１５以下、さらに好ましくは０．１３以下である。ＧＡＴＳ６ｃは、より好ましくは
０．８以上であり、また、より好ましくは２．０以下、さらに好ましくは１．４以下であ
る。ＡＥＴＡ＿ｂｅｔａは、より好ましくは１．０以上、さらに好ましくは１．２以上で
ある。
発光性化合物は、ｎＢが０以上２以下、ＡＡＴＳＣ３ｓが－０．２以上０．５以下、Ｃ
３ＳＰ２が０以上３０以下、ＡＥＴＡ＿ｂｅｔａ＿ｓが０．５以上１．０以下、Ｓｌｏｇ
Ｐ＿ＶＳＡ５が０以上４００以下、ｎ５ａＲｉｎｇが０以上１０以下、ｎ６ＡＲｉｎｇが
０以上１０以下、ｎＡＲｉｎｇが０以上１０以下、ＡＸｐ－３ｄが０．１０以上０．２０
以下、ＳａａｓＣが０以上４０以下、及びＶａｂｃが１００以上２０００以下を更に満た
すことがより好ましい。発光性化合物における分子記述子が上記範囲内において、発光ス
ペクトルが良好である、特にスペクトル幅が狭線化されるとともに、そのような発光性化
合物をより効率的に得ることができる。
発光性化合物の発光スペクトルを良好にする観点から、ｎＢは、さらに好ましくは１以
下、最も好ましくは０である。ＡＡＴＳＣ３ｓは、さらに好ましくは－０．１以上、最も
好ましくは０．０以上であり、また、さらに好ましくは０．４以下である。Ｃ３ＳＰ２は
、さらに好ましくは４以上であり、また、さらに好ましくは１６以下である。ＡＥＴＡ＿
ｂｅｔａ＿ｓは、さらに好ましくは０．６以上であり、また、さらに好ましくは０．７以
下である。ＳｌｏｇＰ＿ＶＳＡ５は、さらに好ましくは１００以下である。ｎ５ａＲｉｎ
ｇは、さらに好ましくは６以下、最も好ましくは３以下である。ｎ６ＡＲｉｎｇは、さら
に好ましくは４以下、最も好ましくは２以下である。ｎＡＲｉｎｇは、さらに好ましくは
２以上であり、また、さらに好ましくは６以下、最も好ましくは５以下である。ＡＸｐ－
３ｄは、さらに好ましくは０．１５以上であり、また、さらに好ましくは０．１７以下で
あり、最も好ましくは０．１６以下である。ＳａａｓＣは、さらに好ましくは１以上であ
り、また、さらに好ましくは２０以下、最も好ましくは１５以下である。Ｖａｂｃは、さ
らに好ましくは２００以上であり、また、さらに好ましくは１５００以下、最も好ましく
は１０００以下である。
実施形態に係る発光性化合物は、スペクトル指標が０．２ｅＶ未満であり、好ましくは
０．１２ｅＶ以下であり、より好ましくは０．０８ｅＶ以下である。
実施形態の発光性化合物Ａ１～Ａ８２の構造式の例示を表１に示す。
Figure 2023140357000002
Figure 2023140357000003
Figure 2023140357000004
Figure 2023140357000005
本実施形態において、上述の情報処理方法を適用した発光性化合物の製造方法を提供で
きる。
発光性化合物の製造方法は、複数の化合物を準備する準備工程と、準備工程で得られた
複数の化合物から、発光性化合物を抽出する抽出工程と、を含む。
上記準備工程は、複数の化合物をコンピュータ上で生成する工程に対応する。
上記抽出工程において、ｍｏｒｄｒｅｄによる分子記述子のＳｐＤｉａｍ＿Ａが５．０
以上、ＡＡＴＳＣ２ｃが０．００３以下、ＭＡＴＳ５ｓが０．１７以下、ＧＡＴＳ６ｃが
０．６以上、ＡＥＴＡ＿ｂｅｔａが１．６以下、ＡＡＴＳＣ３ｓが－０．２以上０．５以
下、Ｃ３ＳＰ２が０以上３０以下、ＡＥＴＡ＿ｂｅｔａ＿ｓが０．５以上１．０以下、Ｓ
ｌｏｇＰ＿ＶＳＡ５が０以上４００以下、ｎ５ａＲｉｎｇが０以上１０以下、及びｎ６Ａ
Ｒｉｎｇが０以上１０以下のうちの少なくとも１つを満たす発光性化合物を抽出する。抽
出工程は、上述の情報処理方法を適用して発光性化合物を抽出することにより行うことが
できる。
本実施形態により提供される他の態様の発光性化合物の製造方法は、複数の化合物を準
備する準備工程と、準備工程で得られた複数の化合物から、発光スペクトルの半値幅が所
定値未満である発光性化合物を抽出する抽出工程と、を含む。
上記準備工程は、複数の化合物をコンピュータ上で生成する工程に対応する。
上記抽出工程において、ｍｏｒｄｒｅｄによる分子記述子のＳｐＤｉａｍ＿Ａが５．０
以上、ＡＡＴＳＣ２ｃが０．００３以下、ＭＡＴＳ５ｓが０．１７以下、ＧＡＴＳ６ｃが
０．６以上、ＡＥＴＡ＿ｂｅｔａが１．６以下、ＡＡＴＳＣ３ｓが－０．２以上０．５以
下、Ｃ３ＳＰ２が０以上３０以下、ＡＥＴＡ＿ｂｅｔａ＿ｓが０．５以上１．０以下、Ｓ
ｌｏｇＰ＿ＶＳＡ５が０以上４００以下、ｎ５ａＲｉｎｇが０以上１０以下、及びｎ６Ａ
Ｒｉｎｇが０以上１０以下のうちの少なくとも１つを満たす発光性化合物を抽出する。抽
出工程は、上述の情報処理方法を適用して発光性化合物を抽出することにより行うことが
できる。
本実施形態により提供される他の態様の発光性化合物の製造方法は、実施形態の情報処
理方法により発光性化合物を抽出する工程と、抽出した前記発光性化合物を得る工程と、
を含む。
発光性化合物を得る工程では、例えば、カップリング反応、アミノ化反応、縮合反応等
の反応やハロゲン化反応等の官能基変換反応等を組み合わせることにより得ることができ
る。
本実施形態において、上述の発光性化合物を含有する組成物を提供できる。
組成物は、実施形態の発光性化合物と、正孔輸送材料、正孔注入材料、電子輸送材料、
電子注入材料、発光材料、酸化防止剤及び溶媒からなる群より選ばれる少なくとも１種と
、を含有する。実施形態の発光性化合物は、１種を単独で又は２種以上を組み合せて用い
てもよい。
正孔輸送材料としては、低分子化合物でも高分子化合物でもよい。正孔輸送材料として
は、高分子化合物が好ましく、例えばポリビニルカルバゾール及びその誘導体、側鎖又は
主鎖に芳香族アミン構造を有するポリアリーレン及びその誘導体が挙げられる。正孔輸送
材料は、１種を単独で又は２種以上を組み合せて用いてもよい。
電子輸送材料としては、低分子化合物でも高分子化合物でもよい。電子輸送材料は、架
橋基を有していてもよい。低分子化合物としては、例えば、８－ヒドロキシキノリンを配
位子とする金属錯体、オキサジアゾール、アントラキノジメタン、ベンゾキノン、ナフト
キノン、アントラキノン、テトラシアノアントラキノジメタン、フルオレノン、ジフェニ
ルジシアノエチレン及びジフェノキノン、並びにこれらの誘導体が挙げられる。高分子化
合物としては、例えば、ポリフェニレン、ポリフルオレン、及びこれらの誘導体が挙げら
れる。高分子化合物は、金属でドープされていてもよい。電子輸送材料は、１種を単独で
又は２種以上を組み合せて用いてもよい。
正孔注入材料及び電子注入材料は、低分子化合物でも高分子化合物でもよい。正孔注入
材料及び電子注入材料は、架橋基を有していてもよい。低分子化合物としては、例えば、
銅フタロシアニン等の金属フタロシアニン、モリブデン、タングステン等の金属酸化物、
フッ化リチウム、フッ化ナトリウム、フッ化セシウム、フッ化カリウム等の金属フッ化物
、カーボン等が挙げられる。高分子化合物としては、例えば、ポリアニリン、ポリチオフ
ェン、ポリピロール、ポリフェニレンビニレン、ポリチエニレンビニレン、ポリキノリン
及びポリキノキサリン、並びにこれらの誘導体、芳香族アミン構造を主鎖又は側鎖に含む
重合体等の導電性高分子等が挙げられる。
発光材料は、低分子化合物でも高分子化合物でもよい。発光材料は、架橋基を有してい
てもよい。低分子化合物としては、例えば、ナフタレン及びその誘導体、アントラセン及
びその誘導体、ペリレン及びその誘導体、並びに、イリジウム、白金又はユーロピウムを
中心金属とする三重項発光錯体等が挙げられる。高分子化合物としては、例えば、フェニ
レン基、ナフタレンジイル基、フルオレンジイル基、フェナントレンジイル基、ジヒドロ
フェナントレンジイル基、アントラセンジイル基及びピレンジイル基等のアリーレン基、
芳香族アミンから２個の水素原子を取り除いてなる基等の芳香族アミン残基、並びにカル
バゾールジイル基、フェノキサジンジイル基及びフェノチアジンジイル基等の２価の複素
環基を含む高分子化合物等が挙げられる。発光材料は、１種を単独で又は２種以上を組み
合せて用いてもよい。
酸化防止剤は、発光及び電荷輸送を阻害しない化合物であれば特に限定されないが、例
えば、フェノール系酸化防止剤、リン系酸化防止剤等が挙げられる。酸化防止剤は、１種
を単独で又は２種以上を組み合せて用いてもよい。
溶媒としては、例えば、塩素系溶媒、エーテル系溶媒、芳香族炭化水素系溶媒、脂肪族
炭化水素系溶媒、ケトン系溶媒、エステル系溶媒、多価アルコール系溶媒、アルコール系
溶媒、スルホキシド系溶媒、アミド系溶媒等が挙げられる。溶媒は、１種を単独で又は２
種以上を組み合せて用いてもよい。
実施形態の組成物の製造方法は、上述の製造方法により製造された発光性化合物と、正
孔輸送材料、正孔注入材料、電子輸送材料、電子注入材料、発光材料、酸化防止剤及び溶
媒からなる群より選ばれる少なくとも１種と、を混合する工程を含む。
本実施形態において、上述の発光性化合物を含有する発光素子を提供できる。
発光素子は、陽極と、陰極と、前記陽極及び前記陰極の間に設けられた実施形態の発光
性化合物を含有する発光層と、を有する。実施形態の発光性化合物は、１種を単独で又は
２種以上を組み合せて用いてもよい。
発光層は、正孔輸送材料、正孔注入材料、電子輸送材料、電子注入材料、発光材料及び
酸化防止剤からなる群より選ばれる少なくとも１種を更に含有することが好ましい。
陽極の材料としては、例えば、導電性の金属酸化物、半透明の金属が挙げられ、好まし
くは、酸化インジウム、酸化亜鉛、酸化スズ、酸化インジウムスズ（ＩＴＯ）等である。
陰極の材料としては、例えば、リチウム、ナトリウム、カリウム、ルビジウム、セシウ
ム、ベリリウム、マグネシウム、カルシウム、ストロンチウム、バリウム、アルミニウム
、亜鉛、インジウム等の金属、及びそれらのうち２種以上の合金、並びにそれらのうち１
種以上と、銀、銅、マンガン、チタン、コバルト、ニッケル、タングステン、錫のうち１
種以上との合金等が挙げられる。合金としては、例えば、マグネシウム－銀合金、マグネ
シウム－インジウム合金、マグネシウム－アルミニウム合金、インジウム－銀合金、リチ
ウム－アルミニウム合金、リチウム－マグネシウム合金、リチウム－インジウム合金、カ
ルシウム－アルミニウム合金が挙げられる。陽極及び陰極は、各々、２層以上の積層構造
としてもよい。
実施形態の発光素子の製造方法は、上述の製造方法により製造された発光性化合物を用
いて前記発光層を形成する工程を含む。発光層は、例えば、乾式法、湿式法により形成す
ることができる。発光層は、例えば、真空蒸着法、インクジェット法またはスピンコート
法など用いて形成してもよい。
発光素子は、コンピュータ、テレビ、携帯端末等のディスプレイ装置等の発光装置に好
適に使用できる。
以下、本発明を実施例及び比較例に基づいて更に具体的に説明するが、本発明はそれら
実施例に限定されることは意図しない。
上記表１に例示する化合物Ａ１～Ａ８２及び下記表２に例示する化合物Ｂ１～Ｂ１６に
本開示の情報処理方法を適用した。各化合物における分子記述子の値と、スペクトル幅に
基づいて、良好な発光スペクトルを有する発光性化合物を抽出し得る。各化合物における
分子記述子の値及びスペクトル幅（ＦＷＨＭ）の値を表３及び表４に示す。スペクトル幅
の計算は、量子化学計算ソフトＧａｕｓｓｉａｎ１６を使用して行った。
図１１及び図１２は、表１及び表２に示す化合物のマッピングデータを例示する図であ
る。図１１及び図１２中、黒丸は表１に例示する化合物Ａ１～Ａ８２（実施例）を示し、
黒三角は表２に例示する化合物Ｂ１～Ｂ１６（比較例）を示す。
図１１は、グラフの縦軸をＡＡＴＳＣ２ｃ、横軸をＳｐＤｉａｍ＿Ａとするマッピング
データである。図１２は、グラフの縦軸をＡＥＴＡ＿ｂｅｔａ、横軸をＧＡＴＳ６ｃとす
るマッピングデータである。図１２のマッピングデータは、化合物Ａ１～Ａ８２及び化合
物Ｂ１～Ｂ１６のうち、既に特定済みの分子記述子の条件として、ＳｐＤｉａｍ＿Ａが５
．０以上、ＡＡＴＳＣ２ｃが０．００３以下、及びＭＡＴＳ５ｓが０．１７以下を満たす
化合物のみをマッピングするマッピングデータを示す。
実施例の発光性化合物は、スペクトル幅が０．２ｅＶ未満であり良好な発光スペクトル
を有し得る。
以下、一部の化合物について合成方法を記載するが、その他の化合物についても同様に
カップリング反応、アミノ化反応、縮合反応等の反応やハロゲン化反応等の官能基変換反
応等を組み合わせることにより得ることができる。
化合物Ａ８
下記合成スキームに従い、化合物Ａ８を合成する。
Figure 2023140357000006
ｐ－メチルベンゼンスルホニルアザイドと５－ブロモ－１－アセナフテノンを［Ｏｒｇ
ａｎｉｃ Ｌｅｔｔｅｒｓ， ２０１７， ｖｏｌ． １９， Ｎｏ． １０， ｐ．
２５０２ － ２５０５］などに記載の手順にしたがって反応させることにより化合物８
ａが得られうる。化合物８ａを［Ｙｕｋｉ Ｇｏｓｅｉ Ｋａｇａｋｕ Ｋｙｏｋａｉｓ
ｈｉ， １９５９， ｖｏｌ． １７， ｐ． １４２，１４３］などに記載の手順にし
たがって反応させることにより化合物８ｂが得られうる。化合物８ｂを［Ａｄｖａｎｃｅ
ｄ Ｓｙｎｔｈｅｓｉｓ ａｎｄ Ｃａｔａｌｙｓｉｓ， ２０１８， ｖｏｌ． ３６
０， Ｎｏ． ２０， ｐ． ３８７７ － ３８８３］などに記載の手順にしたがって
反応させることにより化合物８ｃが得られうる。化合物８ｃと１，２，３－ベンゾトリア
ゾールを［Ｂｉｏｏｒｇａｎｉｃ ａｎｄ Ｍｅｄｉｃｉｎａｌ Ｃｈｅｍｉｓｔｒｙ，
２０１１， ｖｏｌ． １９， Ｎｏ． ２４， ｐ． ７５１９ － ７５２５］な
どに記載の手順にしたがって反応させることにより化合物８ｄが得られうる。化合物８ｄ
を［Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｏｒｇａｎｉｃ Ｃｈｅｍｉｓｔｒｙ，
２０１７， ｖｏｌ． ２０１７， Ｎｏ． ２２， ｐ． ３１９７ － ３２１０
］などに記載の手順にしたがって反応させることにより化合物８ｅが得られうる。化合物
８ｅと１－ブロモ－２－（ブロモメチル）ナフタレンを［Ｊｏｕｒｎａｌ ｏｆ Ｏｒｇ
ａｎｉｃ Ｃｈｅｍｉｓｔｒｙ， １９８７， ｖｏｌ． ５２， Ｎｏ． １９， ｐ
． ４２０７ － ４２１４］などに記載の手順にしたがって反応させることにより化合
物８ｆが得られうる。化合物８ｆとホウ酸トリメチルを［Ｊｏｕｒｎａｌ ｏｆ Ｆｌｕ
ｏｒｉｎｅ Ｃｈｅｍｉｓｔｒｙ， ２００５， ｖｏｌ． １２６， Ｎｏ． ４，
ｐ． ４８３ － ４９０］などに記載の手順にしたがって反応させることにより化合物
８ｇが得られうる。化合物８ｇを［Ｃｈｅｍｉｃａｌ Ｃｏｍｍｕｎｉｃａｔｉｏｎｓ，
２０１１， ｖｏｌ． ４７， Ｎｏ． ２７， ｐ． ７７２５ － ７７２７］な
どに記載の手順にしたがって反応させることにより化合物８ｈが得られうる。化合物８ｈ
とフェニルトリフラートを［Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｍｅｒｉｃａｎ Ｃｈｅ
ｍｉｃａｌ Ｓｏｃｉｅｔｙ， ２０００， ｖｏｌ． １２２， Ｎｏ． １０， ｐ
． ２１７８ － ２１９２］などに記載の手順にしたがって反応させることにより化合
物Ａ８が得られうる。
化合物Ａ９
下記合成スキームに従い、化合物Ａ９を合成する。
Figure 2023140357000007
１，８－ジブロモナフタレンと３－メチル－１－ブチン－３－オールを［Ｂｅｉｌｓｔ
ｅｉｎ Ｊｏｕｒｎａｌ ｏｆ Ｏｒｇａｎｉｃ Ｃｈｅｍｉｓｔｒｙ， ２０１４，
ｖｏｌ． １０， ｐ． ３８４ － ３９３］などに記載の手順にしたがって反応させ
ることにより化合物９ａが得られうる。化合物９ａとトリメチルシリルアセチレンを［Ｔ
ｅｔｒａｈｅｄｒｏｎ Ｌｅｔｔｅｒｓ， ２０１６， ｖｏｌ． ５７， Ｎｏ． １
０， ｐ． １１００ － １１０３］などに記載の手順にしたがって反応させることに
より化合物９ｂが得られうる。化合物９ｂを［Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｃｈｅｍ
ｉｃａｌ Ｓｏｃｉｅｔｙ． Ｐｅｒｋｉｎ Ｔｒａｎｓａｃｔｉｏｎｓ ２ （２００
１）， ２００２， Ｎｏ． ５， ｐ． ８７８ － ８８６］などに記載の手順にし
たがって反応させることにより化合物９ｃが得られうる。化合物９ｃと３－ヨードベンゾ
フェノンを［Ｔｅｔｒａｈｅｄｒｏｎ， ２０１０， ｖｏｌ． ６６， Ｎｏ． １３
， ｐ． ２３７８ － ２３８３］などに記載の手順にしたがって反応させることによ
り化合物９ｄが得られうる。化合物９ｄを［Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｍｅｒｉ
ｃａｎ Ｃｈｅｍｉｃａｌ Ｓｏｃｉｅｔｙ， ２０２１， ｖｏｌ． １４３， Ｎｏ
． ３７， ｐ． １５４２０ － １５４２６］などに記載の手順にしたがって反応さ
せることにより化合物９ｅが得られうる。化合物９ｅを［Ｊｏｕｒｎａｌ ｏｆ Ｏｒｇ
ａｎｉｃ Ｃｈｅｍｉｓｔｒｙ， ２０１５， ｖｏｌ． ８０， Ｎｏ． １９， ｐ
． ９４１０ － ９４２４］などに記載の手順にしたがって反応させることにより化合
物９ｆが得られうる。化合物９ｆとアニリンを［Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏ
ｆ Ｍｅｄｉｃｉｎａｌ Ｃｈｅｍｉｓｔｒｙ， ２０１７， ｖｏｌ． １３５， ｐ
． １ － １１］などに記載の手順にしたがって反応させることにより化合物９ｇが得
られうる。化合物９ｇを［Ｊｏｕｒｎａｌ ｏｆ Ｏｒｇａｎｉｃ Ｃｈｅｍｉｓｔｒｙ
ＵＳＳＲ （Ｅｎｇｌｉｓｈ Ｔｒａｎｓｌａｔｉｏｎ）， １９８６， ｖｏｌ．
２２， ｐ． １９９ － ２００］などに記載の手順にしたがって反応させることによ
り化合物９ｈが得られうる。化合物９ｈを［Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｍｅｒｉ
ｃａｎ Ｃｈｅｍｉｃａｌ Ｓｏｃｉｅｔｙ， １９６６， ｖｏｌ． ８８， ｐ．
１４８２ － １４８８］などに記載の手順にしたがって反応させることにより化合物Ａ
９が得られうる。
化合物Ａ１３
下記合成スキームに従い、化合物Ａ１３を合成する。
Figure 2023140357000008
２－（クロロメトキシ）エチルトリメチルシランと１Ｈ－ペリミジンを［Ｊｏｕｒｎａ
ｌ ｏｆ Ｏｒｇａｎｉｃ Ｃｈｅｍｉｓｔｒｙ， １９８６， ｖｏｌ． ５１， Ｎ
ｏ． １０， ｐ． １８９１ － １８９４］などに記載の手順にしたがって反応させ
ることにより化合物１３ａが得られうる。化合物１３ａと２－イソプロポキシ－４，４，
５，５－テトラメチル－１，３，２－ジオキサボロランを［Ｏｒｇａｎｉｃ Ｌｅｔｔｅ
ｒｓ， ２０１１， ｖｏｌ． １３， Ｎｏ． １４， ｐ． ３５８８ － ３５９
１］などに記載の手順にしたがって反応させることにより化合物１３ｂが得られうる。化
合物１３ｂと２－ブロモ－３－ヨードナフタレンを［Ｏｒｇａｎｉｃ Ｌｅｔｔｅｒｓ，
２０１５， ｖｏｌ． １７， Ｎｏ． ６， ｐ． １６１３ － １６１６］など
に記載の手順にしたがって反応させることにより化合物１３ｃが得られうる。化合物１３
ｃを［Ｔｅｔｒａｈｅｄｒｏｎ Ｌｅｔｔｅｒｓ， １９９３， ｖｏｌ． ３４， Ｎ
ｏ． １２， ｐ． １８８５ － １８８８］などに記載の手順にしたがって反応させ
ることにより化合物１３ｄが得られうる。化合物１３ｄとブロモベンゼンを［Ｏｒｇａｎ
ｏｍｅｔａｌｌｉｃｓ， ２０１０， ｖｏｌ． ２９， Ｎｏ． １８， ｐ． ４１
２０ － ４１２９］などに記載の手順にしたがって反応させることにより化合物１３ｅ
が得られうる。化合物１３ｅを［Ｐｈａｒｍａｃｅｕｔｉｃａｌ Ｃｈｅｍｉｓｔｒｙ
Ｊｏｕｒｎａｌ， １９８２， ｖｏｌ． １６， Ｎｏ． １１， ｐ． ８４４ －
８４８］などに記載の手順にしたがって反応させることにより化合物１３ｆが得られう
る。化合物１３ｆを［Ｂｉｏｏｒｇａｎｉｃ ａｎｄ Ｍｅｄｉｃｉｎａｌ Ｃｈｅｍｉ
ｓｔｒｙ Ｌｅｔｔｅｒｓ， ２０１８， ｖｏｌ． ２８， Ｎｏ． １８， ｐ．
３１２３ － ３１２８］などに記載の手順にしたがって反応させることにより化合物Ａ
１３が得られうる。
化合物Ａ２１
下記合成スキームに従い、化合物Ａ２１を合成する。
Figure 2023140357000009
（３－ブロモナフタレン－２－イル）ボロン酸と１－ブロモ－２－ヨードベンゼンを［
Ｊｏｕｒｎａｌ ｏｆ Ｏｒｇａｎｉｃ Ｃｈｅｍｉｓｔｒｙ， ２０１５， ｖｏｌ．
８０， Ｎｏ． １５， ｐ． ７７７９ － ７７８４］などに記載の手順にしたが
って反応させることにより化合物２１ａが得られうる。化合物２１ａを［Ｎｅｗ Ｊｏｕ
ｒｎａｌ ｏｆ Ｃｈｅｍｉｓｔｒｙ， ２００８， ｖｏｌ． ３２， Ｎｏ． １１
， ｐ． １８４７ － １８４９］などに記載の手順にしたがって反応させることによ
り化合物２１ｂが得られうる。化合物２１ｂと１－ブロモ－２－ヨードベンゼンを［Ｊｏ
ｕｒｎａｌ ｏｆ Ｏｒｇａｎｉｃ Ｃｈｅｍｉｓｔｒｙ， ２０２１， ｖｏｌ． ８
６， Ｎｏ． ２４， ｐ． １７６５１ － １７６６６］などに記載の手順にしたが
って反応させることにより化合物２１ｃが得られうる。化合物２１ｃと３－（４，４，５
，５－テトラメチル－１，３，２－ジオキサボロラン－２－イル）シクロペンタ－２－エ
ン－１－オンを［Ｔｅｔｒａｈｅｄｒｏｎ Ｌｅｔｔｅｒｓ， ２００９， ｖｏｌ．
５０， Ｎｏ． ５， ｐ． ５９０ － ５９２］などに記載の手順にしたがって反応
させることにより化合物２１ｄが得られうる。Ｎ－フェニルビス（トリフルオロメタンス
ルホンイミド）と３－シクロペンテノンを［Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｍｅｒｉ
ｃａｎ Ｃｈｅｍｉｃａｌ Ｓｏｃｉｅｔｙ， ２０１８， ｖｏｌ． １４０， Ｎｏ
． ４７， ｐ． １６２５３ － １６２６３］などに記載の手順にしたがって反応さ
せることにより化合物２１ｅが得られうる。化合物２１ｅとビス（ピナコラート）ジボロ
ンを［Ｂｉｏｏｒｇａｎｉｃ ａｎｄ Ｍｅｄｉｃｉｎａｌ Ｃｈｅｍｉｓｔｒｙ Ｌｅ
ｔｔｅｒｓ， ２０２１， ｖｏｌ． ３６， ａｒｔ． ｎｏ． １２７８２３］など
に記載の手順にしたがって反応させることにより化合物２１ｆが得られうる。化合物２１
ｄと化合物２１ｆを［Ｔｅｔｒａｈｅｄｒｏｎ Ｌｅｔｔｅｒｓ， ２０１３， ｖｏｌ
． ５４， Ｎｏ． ６， ｐ． ５１２ － ５１４］などに記載の手順にしたがって
反応させることにより化合物２１ｇが得られうる。化合物２１ｇを［Ｏｒｇａｎｉｃ Ｌ
ｅｔｔｅｒｓ， ２０１６， ｖｏｌ． １８， Ｎｏ． ２， ｐ． ２００ － ２
０３］などに記載の手順にしたがって反応させることにより化合物２１ｈが得られうる。
化合物２１ｈを［Ｃｈｅｍｉｃａｌ Ｓｃｉｅｎｃｅ， ２０１９， ｖｏｌ． １０，
Ｎｏ． １４， ｐ． ４０２５ － ４０３１］などに記載の手順にしたがって反応
させることにより化合物２１ｉが得られうる。化合物２１ｉを［Ｃｈｅｍｉｓｔｒｙ －
Ａ Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ， ２０１５， ｖｏｌ． ２１， Ｎｏ．
３３， ｐ． １１８１３ － １１８２４］などに記載の手順にしたがって反応させる
ことにより化合物２１ｊが得られうる。化合物２１ｊを［Ｊｏｕｒｎａｌ ｏｆ Ｏｒｇ
ａｎｏｍｅｔａｌｌｉｃ Ｃｈｅｍｉｓｔｒｙ， １９９２， ｖｏｌ． ４２６， Ｎ
ｏ． ２， ｐ． ２１３ － ２４５］などに記載の手順にしたがって反応させること
により化合物Ａ２１が得られうる。
化合物Ａ６０
下記合成スキームに従い、化合物Ａ６０を合成する。
Figure 2023140357000010
６，７－ジブロモ－１Ｈ－ベンゾイミダゾールとほう酸トリメチルを［Ｄａｌｔｏｎ
Ｔｒａｎｓａｃｔｉｏｎｓ， ２００９， Ｎｏ． ４０， ｐ． ８６６７ － ８６
８２］などに記載の手順にしたがって反応させることにより化合物６０ａが得られうる。
化合物６０ａと２－ブロモ－３－（ブロモメチル）ベンズアルデヒドを［ＭｅｄＣｈｅｍ
Ｃｏｍｍ， ２０１３， ｖｏｌ． ４， Ｎｏ． １， ｐ． １４０ － １４４］
などに記載の手順にしたがって反応させることにより化合物６０ｂが得られうる。化合物
６０ｂを［Ａｐｐｌｉｅｄ Ｏｒｇａｎｏｍｅｔａｌｌｉｃ Ｃｈｅｍｉｓｔｒｙ， ２
０１２， ｖｏｌ． ２６， Ｎｏ． ６， ｐ． ２８７ － ２９２］などに記載の
手順にしたがって反応させることにより化合物６０ｃが得られうる。化合物６０ｃを［Ｔ
ｅｔｒａｈｅｄｒｏｎ， ２００８， ｖｏｌ． ６４， Ｎｏ． ４６， ｐ． １０
５７３ － １０５８０］などに記載の手順にしたがって反応させることにより化合物６
０ｄが得られうる。化合物６０ｄとアニリンを［Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｃｈｅ
ｍｉｃａｌ Ｓｏｃｉｅｔｙ， １９５７， ｐ． ２２１０，２２１２］などに記載の
手順にしたがって反応させることにより化合物６０ｅが得られうる。化合物６０ｅを［Ｊ
ｏｕｒｎａｌ ｏｆ Ｐｏｌｙｍｅｒ Ｓｃｉｅｎｃｅ， Ｐａｒｔ Ａ： Ｐｏｌｙｍ
ｅｒ Ｃｈｅｍｉｓｔｒｙ， ２０１４， ｖｏｌ． ５２， Ｎｏ． ２１， ｐ．
３０９６ － ３１０６］などに記載の手順にしたがって反応させることにより化合物６
０ｆが得られうる。化合物６０ｆを［Ｊｏｕｒｎａｌ ｏｆ Ｏｒｇａｎｉｃ Ｃｈｅｍ
ｉｓｔｒｙ， ２０１２， ｖｏｌ． ７７， Ｎｏ． ２０， ｐ． ９４１８ －
９４２１，４］などに記載の手順にしたがって反応させることにより化合物Ａ６０が得ら
れうる。
化合物Ａ６６
下記合成スキームに従い、化合物Ａ６６を合成する。
Figure 2023140357000011
１－ブロモナフタレンとビス（ピナコラート）ジボロンを［Ａｎｇｅｗａｎｄｔｅ Ｃ
ｈｅｍｉｅ － Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｄｉｔｉｏｎ， ２０１８， ｖｏｌ
． ５７， Ｎｏ． ４８， ｐ． １５７６２ － １５７６６］などに記載の手順に
したがって反応させることにより化合物６６ａが得られうる。化合物６６ａと１－ブロモ
－２－ヨードナフタレンを［Ｓｐｅｃｔｒｏｃｈｉｍｉｃａ Ａｃｔａ Ｐａｒｔ Ａ：
Ｍｏｌｅｃｕｌａｒ ａｎｄ Ｂｉｏｍｏｌｅｃｕｌａｒ Ｓｐｅｃｔｒｏｓｃｏｐｙ
， ２０１８， ｖｏｌ． １９４， ｐ． １１１ － １１６］などに記載の手順に
したがって反応させることにより化合物６６ｂが得られうる。化合物６６ｂとアニリンを
［Ｊｏｕｒｎａｌ ｏｆ Ｏｒｇａｎｉｃ Ｃｈｅｍｉｓｔｒｙ， ２０１３， ｖｏｌ
． ７８， Ｎｏ． １０， ｐ． ４６４９ － ４６６４］などに記載の手順にした
がって反応させることにより化合物６６ｃが得られうる。化合物６６ｃと２－ブロモベン
ズアルデヒドを［Ｔｅｔｒａｈｅｄｒｏｎ Ｌｅｔｔｅｒｓ， ２０１３， ｖｏｌ．
５４， Ｎｏ． ４６， ｐ． ６１７１ － ６１７７］などに記載の手順にしたがっ
て反応させることにより化合物６６ｄが得られうる。化合物６６ｄとアニリンを［Ｂｉｏ
ｏｒｇａｎｉｃ ａｎｄ Ｍｅｄｉｃｉｎａｌ Ｃｈｅｍｉｓｔｒｙ， ２０１６， ｖ
ｏｌ． ２４， Ｎｏ． １９， ｐ． ４６７５ － ４６９１］などに記載の手順に
したがって反応させることにより化合物６６ｅが得られうる。化合物６６ｅを［Ｏｒｇａ
ｎｉｃ Ｌｅｔｔｅｒｓ， ２０１８， ｖｏｌ． ２０， Ｎｏ． ４， ｐ． ９５
８ － ９６１］などに記載の手順にしたがって反応させることにより化合物Ａ６６が得
られうる。
化合物Ａ７０
下記合成スキームに従い、化合物Ａ７０を合成する。
Figure 2023140357000012
２－（（Ｎ－フェニル）アミノ）ベンズアルデヒドと１，２－ジブロモ－４－ヨードベ
ンゼンを［Ｃｈｅｍｉｓｔｒｙ － Ａ Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ， ２０１
８， ｖｏｌ． ２４， Ｎｏ． １８， ｐ． ４５１９ － ４５２２］などに記載
の手順にしたがって反応させることにより化合物７０ａが得られうる。化合物７０ａとビ
ス（ピナコラート）ジボロンを［Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ ｏｆ Ｍｅｄｉｃ
ｉｎａｌ Ｃｈｅｍｉｓｔｒｙ， ２０１７， ｖｏｌ． １３７， ｐ． １３９ －
１５５］などに記載の手順にしたがって反応させることにより化合物７０ｂが得られう
る。化合物７０ｂと２，３，４，５－テトラブロモアニリンを［Ｊｏｕｒｎａｌ ｏｆ
Ｍｅｄｉｃｉｎａｌ Ｃｈｅｍｉｓｔｒｙ， ２００６， ｖｏｌ． ４９， Ｎｏ．
１， ｐ． ３５ － ３８］などに記載の手順にしたがって反応させることにより化合
物７０ｃが得られうる。化合物７０ｃを［Ｉｌ Ｆａｒｍａｃｏ， １９９０， ｖｏｌ
． ４５， Ｎｏ． １， ｐ． ７ － ２７］などに記載の手順にしたがって反応さ
せることにより化合物７０ｄが得られうる。化合物７０ｄとヨードベンゼンを［Ａｄｖａ
ｎｃｅｄ Ｓｙｎｔｈｅｓｉｓ ａｎｄ Ｃａｔａｌｙｓｉｓ， ２０１４， ｖｏｌ．
３５６， Ｎｏ． １８， ｐ． ３８２１ － ３８３０］などに記載の手順にした
がって反応させることにより化合物７０ｅが得られうる。化合物７０ｅとフェニルヒドラ
ジンを［Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ｉｎｄｉａｎ Ｃｈｅｍｉｃａｌ Ｓｏｃｉｅ
ｔｙ， １９５７， ｖｏｌ． ３４， ｐ． ７７］などに記載の手順にしたがって反
応させることにより化合物７０ｆが得られうる。化合物７０ｆを［Ｅｕｒｏｐｅａｎ Ｊ
ｏｕｒｎａｌ ｏｆ Ｍｅｄｉｃｉｎａｌ Ｃｈｅｍｉｓｔｒｙ， ２０１２， ｖｏｌ
． ５８， ｐ． ２１４ － ２２７］などに記載の手順にしたがって反応させること
により化合物７０ｇが得られうる。化合物７０ｇとジフェニルヨードニウムとトリフルオ
ロメタンスルホン酸を［Ａｎｇｅｗａｎｄｔｅ Ｃｈｅｍｉｅ － Ｉｎｔｅｒｎａｔｉ
ｏｎａｌ Ｅｄｉｔｉｏｎ， ２０１８， ｖｏｌ． ５７， Ｎｏ． ３５， ｐ．
１１４２７ － １１４３１］などに記載の手順にしたがって反応させることにより化合
物７０ｈが得られうる。化合物７０ｈとアリルトリブチルスズを［Ａｎｇｅｗａｎｄｔｅ
Ｃｈｅｍｉｅ － Ｉｎｔｅｒｎａｔｉｏｎａｌ Ｅｄｉｔｉｏｎ， ２０１７， ｖ
ｏｌ． ５６， Ｎｏ． ２１， ｐ． ５８８６ － ５８８９］などに記載の手順に
したがって反応させることにより化合物７０ｉが得られうる。化合物７０ｉとトリブチル
ビニルスズを［Ｏｒｇａｎｉｃ Ｌｅｔｔｅｒｓ， ２０１８， ｖｏｌ． ２０， Ｎ
ｏ． １８， ｐ． ５６８０ － ５６８３］などに記載の手順にしたがって反応させ
ることにより化合物７０ｊが得られうる。化合物７０ｊを［Ｃｈｅｍｉｓｔｒｙ － Ａ
Ｅｕｒｏｐｅａｎ Ｊｏｕｒｎａｌ， ２０２０， ｖｏｌ． ２６， Ｎｏ． ８，
ｐ． １７７２ － １７７５］などに記載の手順にしたがって反応させることにより
化合物Ａ７０が得られうる。
化合物Ａ７２
下記合成スキームに従い、化合物Ａ７２を合成する。
Figure 2023140357000013
２－ブロモ－７－クロロナフタレン－１－オールとクロロトリメチルシランを［Ｔｅｔ
ｒａｈｅｄｒｏｎ Ｌｅｔｔｅｒｓ， １９９５， ｖｏｌ． ３６， Ｎｏ． ４６，
ｐ． ８４１５ － ８４１８］などに記載の手順にしたがって反応させることにより
化合物７２ａが得られうる。化合物７２ａとトリフルオロメタンスルホン酸無水物を［Ｊ
ｏｕｒｎａｌ ｏｆ Ｏｒｇａｎｉｃ Ｃｈｅｍｉｓｔｒｙ， ２０１７， ｖｏｌ．
８２， Ｎｏ． ８， ｐ． ４２４２ － ４２５３］などに記載の手順にしたがって
反応させることにより化合物７２ｂが得られうる。化合物７２ｂとベンジルアジドを［Ｃ
ｈｅｍｉｃａｌ Ｓｃｉｅｎｃｅ， ２０１６， ｖｏｌ． ７， Ｎｏ． ８， ｐ．
５２０６ － ５２１１］などに記載の手順にしたがって反応させることにより化合物
７２ｃが得られうる。化合物７２ｃを［Ｍｏｎａｔｓｈｅｆｔｅ ｆｕｒ Ｃｈｅｍｉｅ
， ２０１０， ｖｏｌ． １４１， Ｎｏ． ７， ｐ． ７７３ － ７７９］など
に記載の手順にしたがって反応させることにより化合物７２ｄが得られうる。化合物７２
ｄと２－（クロロメトキシ）エチルトリメチルシランを［Ｂｉｏｏｒｇａｎｉｃ ａｎｄ
Ｍｅｄｉｃｉｎａｌ Ｃｈｅｍｉｓｔｒｙ Ｌｅｔｔｅｒｓ， １９９６， ｖｏｌ．
６， Ｎｏ． ２４， ｐ． ２９１９ － ２９２４］などに記載の手順にしたがっ
て反応させることにより化合物７２ｅが得られうる。化合物７２ｅとホルムアルデヒドを
［Ｊｏｕｒｎａｌ ｏｆ ｔｈｅ Ａｍｅｒｉｃａｎ Ｃｈｅｍｉｃａｌ Ｓｏｃｉｅｔ
ｙ， ２０１９］などに記載の手順にしたがって反応させることにより化合物７２ｆが得
られうる。化合物７２ｆを［Ｊｏｕｒｎａｌ ｏｆ Ｍｅｄｉｃｉｎａｌ Ｃｈｅｍｉｓ
ｔｒｙ， ２０２１， ｖｏｌ． ６４， Ｎｏ． １， ｐ． ６９５ － ７１０］
などに記載の手順にしたがって反応させることにより化合物７２ｇが得られうる。化合物
７２ｇを［Ｉｎｄｉａｎ Ｊｏｕｒｎａｌ ｏｆ Ｃｈｅｍｉｓｔｒｙ － Ｓｅｃｔｉ
ｏｎ Ｂ Ｏｒｇａｎｉｃ ａｎｄ Ｍｅｄｉｃｉｎａｌ Ｃｈｅｍｉｓｔｒｙ， １９
８４， ｖｏｌ． ２３， Ｎｏ． ９， ｐ． ８４４ － ８４８］などに記載の手
順にしたがって反応させることにより化合物７２ｈが得られうる。化合物７２ｈとＮ－（
２－ｉｏｄｏｐｈｅｎｙｌｍｅｔｈｙｌ）ａｎｉｌｉｎｅ Ｎ－（２－ヨードフェニルメ
チル）アニリンを［Ｍｅｍｏｒｉａｌ ｄｅｓ ｓｅｒｖｉｃｅｓ ｃｈｉｍｉｑｕｅｓ
ｄｅ ｌ’Ｅｔａｔ， １９４６， ｖｏｌ． ３２， ｐ． ６２，６６］などに記
載の手順にしたがって反応させることにより化合物７２ｉが得られうる。化合物７２ｉを
［Ｔｅｔｒａｈｅｄｒｏｎ， ２００９， ｖｏｌ． ６５， Ｎｏ． １７， ｐ．
３４０９ － ３４１６］などに記載の手順にしたがって反応させることにより化合物Ａ
７２が得られうる。
Figure 2023140357000014
Figure 2023140357000015
Figure 2023140357000016
Figure 2023140357000017
Figure 2023140357000018
上述のように開示された実施の形態は全ての点で例示であって、制限的なものではない
。本発明の範囲は、特許請求の範囲によって示され、特許請求の範囲と均等の意味及び範
囲内での全ての変更が含まれる。また、上述の実施の形態の少なくとも一部を任意に組み
合わせてもよい。
上述の実施の形態に示すシーケンスは限定されるものではなく、矛盾の無い範囲で、各
処理手順はその順序を変更して実行されてもよく、また並行して複数の処理が実行されて
もよい。各処理の処理主体は限定されるものではなく、矛盾の無い範囲で、各装置の処理
を他の装置が実行してもよい。
１ 情報処理装置
１１ 制御部
１２ 記憶部
１３ 通信部
１４ 表示部
１５ 操作部
１２１ 学習モデル
１２２ 化合物ＤＢ
１Ｐ プログラム
１Ａ 記録媒体
２ 情報端末装置

Claims (46)

  1. 陽極と、陰極と、前記陽極及び前記陰極の間に設けられた発光層と、を有する、発光素
    子であって、
    前記発光層が、ｍｏｒｄｒｅｄによる分子記述子のＳｐＤｉａｍ＿Ａが５．０以上、Ａ
    ＡＴＳＣ２ｃが０．００３以下、ＭＡＴＳ５ｓが０．１７以下、ＧＡＴＳ６ｃが０．６以
    上、及びＡＥＴＡ＿ｂｅｔａが１．６以下を満たす発光性化合物を含有する
    発光素子。
  2. 前記発光性化合物が、ｍｏｒｄｒｅｄによる分子記述子のｎＢが０以上２以下、ＡＡＴ
    ＳＣ３ｓが－０．２以上０．５以下、Ｃ３ＳＰ２が０以上３０以下、ＡＥＴＡ＿ｂｅｔａ
    ＿ｓが０．５以上１．０以下、ＳｌｏｇＰ＿ＶＳＡ５が０以上４００以下、ｎ５ａＲｉｎ
    ｇが０以上１０以下、ｎ６ＡＲｉｎｇが０以上１０以下、ｎＡＲｉｎｇが０以上１０以下
    、ＡＸｐ－３ｄが０．１０以上０．２０以下、ＳａａｓＣが０以上４０以下、及びＶａｂ
    ｃが１００以上２０００以下を更に満たす
    請求項１に記載の発光素子。
  3. 前記発光層が、正孔輸送材料、正孔注入材料、電子輸送材料、電子注入材料、発光材料
    及び酸化防止剤からなる群より選ばれる少なくとも１種を更に含有する
    請求項１又は請求項２に記載の発光素子。
  4. ｍｏｒｄｒｅｄによる分子記述子のＳｐＤｉａｍ＿Ａが５．０以上、ＡＡＴＳＣ２ｃが
    ０．００３以下、ＭＡＴＳ５ｓが０．１７以下、ＧＡＴＳ６ｃが０．６以上、及びＡＥＴ
    Ａ＿ｂｅｔａが１．６以下を満たす
    発光性化合物。
  5. ｍｏｒｄｒｅｄによる分子記述子のｎＢが０以上２以下、ＡＡＴＳＣ３ｓが－０．２以
    上０．５以下、Ｃ３ＳＰ２が０以上３０以下、ＡＥＴＡ＿ｂｅｔａ＿ｓが０．５以上１．
    ０以下、ＳｌｏｇＰ＿ＶＳＡ５が０以上４００以下、ｎ５ａＲｉｎｇが０以上１０以下、
    ｎ６ＡＲｉｎｇが０以上１０以下、ｎＡＲｉｎｇが０以上１０以下、ＡＸｐ－３ｄが０．
    １０以上０．２０以下、ＳａａｓＣが０以上４０以下、及びＶａｂｃが１００以上２００
    ０以下を更に満たす
    請求項４に記載の発光性化合物。
  6. 請求項４又は請求項５に記載の発光性化合物と、
    正孔輸送材料、正孔注入材料、電子輸送材料、電子注入材料、発光材料、酸化防止剤及
    び溶媒からなる群より選ばれる少なくとも１種と、を含有する
    組成物。
  7. 複数の化合物を準備する準備工程と、
    前記準備工程で得られた複数の化合物から、発光性化合物を抽出する抽出工程と、を含
    み、
    前記抽出工程において、ｍｏｒｄｒｅｄによる分子記述子のＳｐＤｉａｍ＿Ａが５．０
    以上、ＡＡＴＳＣ２ｃが０．００３以下、ＭＡＴＳ５ｓが０．１７以下、ＧＡＴＳ６ｃが
    ０．６以上、ＡＥＴＡ＿ｂｅｔａが１．６以下、ＡＡＴＳＣ３ｓが－０．２以上０．５以
    下、Ｃ３ＳＰ２が０以上３０以下、ＡＥＴＡ＿ｂｅｔａ＿ｓが０．５以上１．０以下、Ｓ
    ｌｏｇＰ＿ＶＳＡ５が０以上４００以下、ｎ５ａＲｉｎｇが０以上１０以下、及びｎ６Ａ
    Ｒｉｎｇが０以上１０以下のうちの少なくとも１つを満たす発光性化合物を抽出する
    発光性化合物の製造方法。
  8. 複数の化合物を準備する準備工程と、
    前記準備工程で得られた複数の化合物から、発光スペクトルの半値幅が所定値未満であ
    る発光性化合物を抽出する抽出工程と、を含み、
    前記抽出工程において、ｍｏｒｄｒｅｄによる分子記述子のＳｐＤｉａｍ＿Ａが５．０
    以上、ＡＡＴＳＣ２ｃが０．００３以下、ＭＡＴＳ５ｓが０．１７以下、ＧＡＴＳ６ｃが
    ０．６以上、ＡＥＴＡ＿ｂｅｔａが１．６以下、ＡＡＴＳＣ３ｓが－０．２以上０．５以
    下、Ｃ３ＳＰ２が０以上３０以下、ＡＥＴＡ＿ｂｅｔａ＿ｓが０．５以上１．０以下、Ｓ
    ｌｏｇＰ＿ＶＳＡ５が０以上４００以下、ｎ５ａＲｉｎｇが０以上１０以下、及びｎ６Ａ
    Ｒｉｎｇが０以上１０以下のうちの少なくとも１つを満たす発光性化合物を抽出する
    発光性化合物の製造方法。
  9. 請求項７又は請求項８に記載の製造方法により製造された発光性化合物と、
    正孔輸送材料、正孔注入材料、電子輸送材料、電子注入材料、発光材料、酸化防止剤及
    び溶媒からなる群より選ばれる少なくとも１種と、を混合する工程を含む
    組成物の製造方法。
  10. 陽極と、陰極と、前記陽極及び前記陰極の間に設けられた発光層と、を有する、発光素
    子の製造方法であって、
    請求項７又は請求項８に記載の製造方法により製造された発光性化合物を用いて前記発
    光層を形成する工程を含む
    発光素子の製造方法。
  11. 複数の候補となる化合物における量子化学計算により求めたスペクトル指標を取得し、
    取得した前記スペクトル指標に基づき、各化合物を、スペクトル指標が所定条件を満た
    すグループと、スペクトル指標が所定条件を満たさないグループとに分類し、
    前記スペクトル指標が所定条件を満たすグループに分類された発光性化合物を抽出する
    情報処理方法。
  12. 前記スペクトル指標及び既知の化合物を記憶したデータベースに基づき、前記各化合物
    を、前記スペクトル指標が所定条件を満たし、且つ既知の化合物として記憶されていない
    グループと、前記スペクトル指標が所定条件を満たし、且つ既知の化合物として記憶され
    ているグループと、前記スペクトル指標が所定条件を満たさないグループと、に分類し、
    前記スペクトル指標が所定条件を満たし、且つ既知の化合物として記憶されていないグ
    ループに分類された発光性化合物を抽出する
    請求項１１に記載の情報処理方法。
  13. 前記各化合物における分子記述子毎の値を取得し、
    取得した前記各化合物における分子記述子毎の値と前記各化合物の属するグループとに
    基づき、前記スペクトル指標が所定条件を満たすグループと、前記スペクトル指標が所定
    条件を満たさないグループとを分離可能な分子記述子の組み合わせ及び各分子記述子の値
    の範囲を特定する
    請求項１１又は請求項１２に記載の情報処理方法。
  14. 前記各化合物における分子記述子毎の値を取得し、
    取得した前記各化合物における分子記述子毎の値と前記各化合物の属するグループとに
    基づき、前記スペクトル指標が所定条件を満たし、且つ既知の化合物として記憶されてい
    ないグループを、前記スペクトル指標が所定条件を満たし、且つ既知の化合物として記憶
    されているグループ及び前記スペクトル指標が所定条件を満たさないグループから分離可
    能な分子記述子の組み合わせ及び各分子記述子の値の範囲を特定する
    請求項１１から請求項１３のいずれか１項に記載の情報処理方法。
  15. 特定した前記分子記述子の組み合わせ及び各分子記述子の値の範囲を満たす発光性化合
    物を抽出する
    請求項１３又は請求項１４のいずれか１項に記載の情報処理方法。
  16. 複数の分子記述子の組み合わせ値をグループ毎にマッピングしたマッピングデータに基
    づき、前記分子記述子の組み合わせ及び各分子記述子の値の範囲を特定する
    請求項１３から請求項１５のいずれか１項に記載の情報処理方法。
  17. 複数の分子記述子の組み合わせ値をグループ毎にマッピングしたマッピングデータと、
    特定した各分子記述子の値の範囲とを出力する
    請求項１３から請求項１６のいずれか１項に記載の情報処理方法。
  18. 特定した複数の分子記述子と、各分子記述子の値の範囲とを出力する
    請求項１３から請求項１７のいずれか１項に記載の情報処理方法。
  19. 前記分子記述子の組み合わせ及び各分子記述子の値の範囲が、ｍｏｒｄｒｅｄによる分
    子記述子のＳｐＤｉａｍ＿Ａが５．０以上、ＡＡＴＳＣ２ｃが０．００３以下、ＭＡＴＳ
    ５ｓが０．１７以下、ＧＡＴＳ６ｃが０．６以上、及びＡＥＴＡ＿ｂｅｔａが１．６以下
    を満たす発光性化合物を抽出する
    請求項１３から請求項１８のいずれか１項に記載の情報処理方法。
  20. 前記分子記述子の組み合わせ及び各分子記述子の値の範囲が、ｍｏｒｄｒｅｄによる分
    子記述子のｎＢが０以上２以下、ＡＡＴＳＣ３ｓが－０．２以上０．５以下、Ｃ３ＳＰ２
    が０以上３０以下、ＡＥＴＡ＿ｂｅｔａ＿ｓが０．５以上１．０以下、ＳｌｏｇＰ＿ＶＳ
    Ａ５が０以上４００以下、ｎ５ａＲｉｎｇが０以上１０以下、ｎ６ＡＲｉｎｇが０以上１
    ０以下、ｎＡＲｉｎｇが０以上１０以下、ＡＸｐ－３ｄが０．１０以上０．２０以下、Ｓ
    ａａｓＣが０以上４０以下、及びＶａｂｃが１００以上２０００以下を更に満たす発光性
    化合物を抽出する
    請求項１９に記載の情報処理方法。
  21. 特定した前記分子記述子の組み合わせ及び各分子記述子の値の範囲を満たす発光性化合
    物を、既知の化合物を記憶したデータベースに追加する
    請求項１３から請求項２０のいずれか１項に記載の情報処理方法。
  22. 請求項１１から請求項２１のいずれか１項に記載の情報処理方法により発光性化合物を
    抽出する工程と、
    抽出した前記発光性化合物を得る工程と、を含む
    発光性化合物の製造方法。
  23. 複数の候補となる化合物における量子化学計算により求めたスペクトル指標を取得し、
    取得した前記スペクトル指標に基づき、各化合物を、スペクトル指標が所定条件を満た
    すグループと、スペクトル指標が所定条件を満たさないグループとに分類し、
    前記スペクトル指標が所定条件を満たすグループに分類された発光性化合物を抽出する
    処理を実行する制御部を備える
    情報処理装置。
  24. 複数の候補となる化合物における量子化学計算により求めたスペクトル指標を取得し、
    取得した前記スペクトル指標に基づき、各化合物を、スペクトル指標が所定条件を満た
    すグループと、スペクトル指標が所定条件を満たさないグループとに分類し、
    前記スペクトル指標が所定条件を満たすグループに分類された発光性化合物を抽出する
    処理をコンピュータに実行させるためのプログラム。
  25. 複数の候補となる化合物を生成し、
    生成した各化合物の分子記述子毎の値を取得し、
    化合物の分子記述子の値を入力した場合に、該化合物のスペクトル指標を出力するよう
    学習されたモデルに、得られた前記各化合物の分子記述子の値を入力してスペクトル指標
    を特定し、
    特定したスペクトル指標が所定条件を満たす発光性化合物を抽出する
    情報処理方法。
  26. 前記モデルは、化合物の分子記述子の値と、量子化学計算により求めたスペクトル指標
    とを対応付けた訓練データにより学習されている
    請求項２５に記載の情報処理方法。
  27. 前記モデルにより特定したスペクトル指標が所定条件を満たす発光性化合物に対し、量
    子化学計算によりスペクトル指標をさらに算出する
    請求項２５又は請求項２６に記載の情報処理方法。
  28. 前記スペクトル指標が所定条件を満たす発光性化合物に対応付けて、前記スペクトル指
    標及び分子記述子毎の値を記憶する
    請求項２５から請求項２７のいずれか１項に記載の情報処理方法。
  29. 前記スペクトル指標に基づき、前記各化合物を、前記スペクトル指標が所定条件を満た
    すグループと、前記スペクトル指標が所定条件を満たさないグループとに分類する
    請求項２５から請求項２８のいずれか１項に記載の情報処理方法。
  30. 前記スペクトル指標及び既知の化合物を記憶したデータベースに基づき、前記各化合物
    を、前記スペクトル指標が所定条件を満たし、且つ既知の化合物として記憶されていない
    グループと、前記スペクトル指標が所定条件を満たし、且つ既知の化合物として記憶され
    ているグループと、前記スペクトル指標が所定条件を満たさないグループと、に分類する
    請求項２５から請求項２９のいずれか１項に記載の情報処理方法。
  31. 前記各化合物における分子記述子毎の値と前記各化合物の属するグループとに基づき、
    前記スペクトル指標が所定条件を満たすグループ又は前記スペクトル指標が所定条件を満
    たし、且つ既知の化合物として記憶されていないグループを他のグループから分離可能な
    分子記述子の組み合わせ及び各分子記述子の値の範囲を特定する
    請求項２９又は請求項３０に記載の情報処理方法。
  32. 複数の分子記述子の組み合わせ値をグループ毎にマッピングしたマッピングデータに基
    づき、前記分子記述子の組み合わせ及び各分子記述子の値の範囲を特定する
    請求項３１に記載の情報処理方法。
  33. 前記分子記述子の組み合わせの特定において、前記モデルにおける寄与度の高い分子記
    述子を優先的に使用する
    請求項３１又は請求項３２に記載の情報処理方法。
  34. 請求項２５から請求項３３のいずれか１項に記載の情報処理方法により発光性化合物を
    抽出する工程と、
    抽出した前記発光性化合物を得る工程と、を含む
    発光性化合物の製造方法。
  35. コンピュータにより生成された候補となる複数の化合物から抽出された、化合物の分子
    記述子の値を入力した場合に、該化合物のスペクトル指標を出力するよう学習されたモデ
    ルを用いて特定されたスペクトル指標が所定条件を満たす発光性化合物を出力する
    発光性化合物の提供方法。
  36. コンピュータにより生成された候補となる複数の化合物と、各化合物に対する量子化学
    計算により算出されたスペクトル指標と、を対応付けて記憶し、
    前記各化合物における分子記述子毎の値を前記各化合物にさらに対応付けて記憶する
    データ生成方法。
  37. 前記各化合物は、化合物の分子記述子を入力した場合に、該化合物のスペクトル指標を
    出力するよう学習されたモデルに、前記各化合物の分子記述子の値を入力することにより
    スペクトル指標が特定されており、
    前記モデルにより特定されたスペクトル指標が所定条件を満たす化合物を記憶する
    請求項３６に記載のデータ生成方法。
  38. 前記各化合物に対する量子化学計算により算出されたスペクトル指標に応じたフラグを
    、前記各化合物に対応付けて記憶する
    請求項３６又は請求項３７に記載のデータ生成方法。
  39. 既知の化合物か否かを示すフラグを、前記各化合物に対応付けて記憶する
    請求項３６から請求項３８のいずれか１項に記載のデータ生成方法。
  40. 前記各化合物に対応付けて記憶されるフラグに基づき、前記スペクトル指標が所定条件
    を満たす化合物又は既知の化合物でない化合物を特定する
    請求項３６から請求項３９のいずれか１項に記載のデータ生成方法。
  41. 既知の化合物が得られた場合、前記既知の化合物に対し既知の化合物であることを示す
    フラグを新たに生成する
    請求項３６から請求項４０のいずれか１項に記載のデータ生成方法。
  42. 化合物に希望する特性の条件を取得し、
    複数の候補となる化合物をコンピュータにより生成し、
    生成した各化合物の分子記述子毎の値を取得し、
    化合物の分子記述子の値を入力した場合に該化合物の特性を出力するよう学習されたモ
    デルを用いて、生成した各化合物の中から化合物の特性が前記条件を満たす化合物を抽出
    し、
    抽出した化合物に対する量子化学計算により特性を算出し、
    量子化学計算により算出した特性が前記条件を満たす化合物を特定し、
    特定した化合物及び該化合物の特性を出力する
    情報処理方法。
  43. 各化合物の特性と、既知の化合物を記憶したデータベースとに基づき、各化合物を、化
    合物の特性が前記条件を満たし、且つ既知の化合物として記憶されていないグループと、
    化合物の特性が前記条件を満たし、且つ既知の化合物として記憶されているグループと、
    化合物の特性が前記条件を満たさないグループと、に分類する
    請求項４２に記載の情報処理方法。
  44. 前記各化合物の分子記述子毎の値に基づき、前記化合物の特性が前記条件を満たし、且
    つ既知の化合物として記憶されていないグループを他のグループから分離可能な分子記述
    子の組み合わせ及び各分子記述子の値の範囲を特定し、
    特定した複数の分子記述子と、各分子記述子の値の範囲とを出力する
    請求項４２又は請求項４３に記載の情報処理方法。
  45. 化合物に希望する特性の条件を受け付け、
    受け付けた前記条件を満たす化合物の複数の分子記述子と、各分子記述子の値の範囲と
    取得し、
    取得した前記複数の分子記述子と、各分子記述子の値の範囲とを表示する
    情報処理方法。
  46. 前記条件を満たす化合物の抽出処理における分子記述子の寄与度を示す情報を表示する
    請求項４５に記載の情報処理方法。
JP2023110235A 2022-03-22 2023-07-04 発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びその製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並びにデータ生成方法 Pending JP2023140357A (ja)

Priority Applications (1)

Application Number Priority Date Filing Date Title
JP2023110235A JP2023140357A (ja) 2022-03-22 2023-07-04 発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びその製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並びにデータ生成方法

Applications Claiming Priority (2)

Application Number Priority Date Filing Date Title
JP2022045845A JP2023140012A (ja) 2022-03-22 2022-03-22 発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びその製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並びにデータ生成方法
JP2023110235A JP2023140357A (ja) 2022-03-22 2023-07-04 発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びその製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並びにデータ生成方法

Related Parent Applications (1)

Application Number Title Priority Date Filing Date
JP2022045845A Division JP2023140012A (ja) 2022-03-22 2022-03-22 発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びその製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並びにデータ生成方法

Publications (1)

Publication Number Publication Date
JP2023140357A true JP2023140357A (ja) 2023-10-04

Family

ID=88100791

Family Applications (3)

Application Number Title Priority Date Filing Date
JP2022045845A Pending JP2023140012A (ja) 2022-03-22 2022-03-22 発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びその製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並びにデータ生成方法
JP2023110235A Pending JP2023140357A (ja) 2022-03-22 2023-07-04 発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びその製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並びにデータ生成方法
JP2023110234A Pending JP2023140356A (ja) 2022-03-22 2023-07-04 発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びその製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並びにデータ生成方法

Family Applications Before (1)

Application Number Title Priority Date Filing Date
JP2022045845A Pending JP2023140012A (ja) 2022-03-22 2022-03-22 発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びその製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並びにデータ生成方法

Family Applications After (1)

Application Number Title Priority Date Filing Date
JP2023110234A Pending JP2023140356A (ja) 2022-03-22 2023-07-04 発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びその製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並びにデータ生成方法

Country Status (3)

Country Link
JP (3) JP2023140012A (ja)
TW (1) TW202400752A (ja)
WO (1) WO2023181958A1 (ja)

Family Cites Families (12)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
JP4160992B2 (ja) * 2006-11-30 2008-10-08 インターナショナル・ビジネス・マシーンズ・コーポレーション シミュレーション・システム、コンピュータ装置、シミュレーション方法、およびプログラム
KR101324787B1 (ko) * 2011-05-19 2013-10-31 (주)씨에스엘쏠라 유기발광화합물 및 이를 이용한 유기 광소자
JP6259812B2 (ja) * 2013-02-28 2018-01-10 株式会社カネカ 有機ｅｌ素子、ならびにそれを用いた照明器具及びディスプレイ装置
CN109863155B (zh) * 2016-09-07 2022-09-13 学校法人关西学院 多环芳香族化合物、有机元件用材料、有机电场发光元件、显示装置及照明装置
US20200349451A1 (en) * 2017-09-06 2020-11-05 Semiconductor Energy Laboratory Co., Ltd. Physical Property Prediction Method and Physical Property Prediction System
JP6958260B2 (ja) * 2017-11-08 2021-11-02 富士通株式会社 シミュレーション方法、プログラム、及び装置
US20220277815A1 (en) * 2019-08-29 2022-09-01 Semiconductor Energy Laboratory Co., Ltd. Property Prediction System
JP7456125B2 (ja) * 2019-11-11 2024-03-27 東洋紡株式会社 パーフルオロアルキル基を有する含窒素複素環化合物及びその利用
JP7303765B2 (ja) * 2020-03-09 2023-07-05 株式会社豊田中央研究所 材料設計プログラム
US20210287137A1 (en) * 2020-03-13 2021-09-16 Korea University Research And Business Foundation System for predicting optical properties of molecules based on machine learning and method thereof
CN113628697A (zh) * 2021-07-28 2021-11-09 上海基绪康生物科技有限公司 一种针对分类不平衡数据优化的随机森林模型训练方法
CN113831276A (zh) * 2021-08-20 2021-12-24 阜阳欣奕华材料科技有限公司 化合物、中间体及其制备方法与有机电致发光器件、显示装置

Also Published As

Publication number Publication date
TW202400752A (zh) 2024-01-01
JP2023140356A (ja) 2023-10-04
WO2023181958A1 (ja) 2023-09-28
JP2023140012A (ja) 2023-10-04

Similar Documents

Publication Publication Date Title
Ju et al. Machine learning enables highly accurate predictions of photophysical properties of organic fluorescent materials: Emission wavelengths and quantum yields
Iwamoto et al. Synthesis, Characterization, and Properties of [4] Cyclo‐2, 7‐pyrenylene: Effects of Cyclic Structure on the Electronic Properties of Pyrene Oligomers
US20190267226A1 (en) Identification of microorganisms by spectrometry and structured classification
Reisch et al. Poly (indenofluorene)(PIF), a novel low band gap polyhydrocarbon
Talbot et al. Fluorescence resonance energy transfer in gaseous, mass-selected polyproline peptides
Otteny et al. Phenothiazine‐Functionalized Poly (norbornene) s as High‐Rate Cathode Materials for Organic Batteries
Shao et al. Delineating Poly (Aniline) Redox Chemistry by Using Tailored Oligo (Aryleneamine) s: Towards Oligo (Aniline)‐Based Organic Semiconductors with Tunable Optoelectronic Properties
Yeşilot et al. Intramolecular excimer formation in hexakis (pyrenyloxy) cyclotriphosphazene: photophysical properties, crystal structure, and theoretical investigation
Numazawa et al. Experiment‐oriented materials informatics for efficient exploration of design strategy and new compounds for high‐performance organic anode
WO2023181958A1 (ja) 発光素子及びその製造方法、発光性化合物及びその製造方法、組成物及びその製造方法、情報処理方法、情報処理装置、プログラム、発光性化合物の提供方法、並びにデータ生成方法
Velardo et al. Disentangling Electronic and Vibrational Effects in the Prediction of Band Shapes for Singlet–Triplet Transitions
Xu et al. Hydrogen evolution prediction for alternating conjugated copolymers enabled by machine learning with multidimension fragmentation descriptors
Slobodinyuk et al. Electrochemical oxidation of asymmetric chalcones containing two terminal electroactive moieties
Malhotra et al. Opportunities and challenges for machine learning to select combination of donor and acceptor materials for efficient organic solar cells
Zhao et al. Unmasking the optimal isomers of Ti2C84: Ti2C2@ C82 instead of Ti2@ C84
Ivan et al. Synthesis of poly (arylene vinylene) s containing carbazole, triphenylamine, and phenothiazine rings in the backbone by cascade suzuki-heck reactions
Chavez III et al. Evaluating the Impact of Fluorination on the Electro-optical Properties of Cross-Conjugated Benzobisoxazoles
Muraoka et al. Synthesis and electrochemical properties of ferrocene dimers and trimers bridged by an oligothiophene spacer
Bu et al. Designing Promising Thermally Activated Delayed Fluorescence Emitters via Machine Learning-Assisted High-Throughput Virtual Screening
Wang et al. Conjugated Azo Compounds as Active Materials for Rechargeable Sodium‐Metal Batteries with High‐Rate Performance
Wang et al. Synthesis and characteristics of novel fluorescence dyes based on chromeno [4, 3, 2-de][1, 6] naphthyridine framework
Resch et al. Naphthyridine Derivatives as a Model System for Potential Lithium–Sulfur Energy‐Storage Applications
Losito et al. Characterization of soluble oligomers produced by electrochemical oxidation of o‐phenylenediamine by electrospray ionization sequential mass spectrometry
Shi et al. Identifying Molecular Structure–Energy Level Quantitative Relationship of Thermally Activated Delayed Fluorescence Materials Using Machine Learning
Tuttle et al. Predicting the Solubility of Organic Energy Storage Materials Based on Functional Group Identity and Substitution Pattern