当前，全球显示产业正快速迭代发展。从柔性折叠到透明显示，从超高对比度到极致能耗控制，每一次终端产品的惊艳亮相，都对上游核心原材料——OLED有机发光材料，提出了更高要求。

然而，传统的“试错式”材料开发模式研发周期漫长，资源消耗较大，已难以适应市场对创新速度的迫切需求。在这一背景下，作为高端电子信息材料供应商，北京鼎材科技股份有限公司（简称“鼎材科技”）前瞻性地尝试构建一套成熟、高效的AI辅助OLED材料设计迭代开发模式。

10月10日，鼎材科技董事长兼总经理任雪艳受邀出席第十二届国际分子模拟与人工智能应用学术会议，并就“AI辅助OLED新材料迭代设计开发”发表主旨演讲，同与会嘉宾分享如何以人工智能技术破局OLED新材料研发困境。

图：任雪艳做主旨演讲

任雪艳在发言中指出，依托“分子智能生成→AI模型迭代学习→量化计算性能预筛→实验数据验证反馈”的闭环研发架构，鼎材科技打造了AI驱动的OLED材料开发体系。该体系以数据积累为核心驱动力，随数据量增长不断优化分子设计逻辑与性能预测模型，显著提升研发各环节协同效率，加速高性能OLED材料从理论设计到实验落地的转化进程。

从“经验试错”到“AI预测”：OLED材料研发的范式革命

据任雪艳介绍，从上世纪八九十年代的定性解释，到如今的智能化逆向设计，理论计算已成为OLED材料研发的核心驱动力，显著缩短了从分子设计到器件应用的周期，并为高色纯度、高效率、长寿命OLED的发展提供了坚实支撑。

一方面，OLED器件性质与核心分子的量化性质直接相关，理论计算在OLED材料开发中已从辅助验证发展为全流程设计工具，并推动OLED材料从传统荧光到第三代TADF材料的跨越。另一方面，量化计算在分子结构与能级、激子与发光机制、电荷注入与传输、聚集与环境效应、高通量筛选与逆向设计等OLED材料研发领域发挥着重要作用。

任雪艳表示，在OLED材料研发过程中，基于分子结构与电子特性的明确关联性，量化计算可对多种核心性质进行预测，这些性质直接决定材料的器件性能。量化计算作为OLED材料研发的“理论预筛器”，可在实验合成前剔除90%以上无效候选分子，大幅降低试错成本，结合机器学习方法为AI辅助研发闭环提供关键数据支撑。

目前，在利用量化计算指导OLED新材料设计开发层面，鼎材科技已开展材料发光峰模拟预测、材料设计迭代方向选择、材料精细化结构设计等相关工作。

数据驱动+智能生成：打造OLED专属研发引擎

为解决研发数据分散、模型训练资源消耗大等现实问题，鼎材科技与创腾科技合作，搭建了研发管理系统，通过电子实验记录（EDM）、化合物管理（CMS）进行实验数据记录，以提升研发效率，并利用科学数据基因组（SDH）平台，对分散的多源数据进行抽取、融合、清洗与索引，构建了统一、标准的OLED专属数据库，实现向数据驱动研发模式的变革。

同时，公司还利用自然语言处理技术，开发专利与文献解析工具，提取结构式形成专属OLED分子数据库，提取文献关键信息形成专属文献数据库，供开发人员深度应用。

在上述基础上，随着OLED分子数据库的拓展和验证实验数据反馈给模型迭代优化，通过生成式AI模型（如GAN、Transformer），实现海量候选分子的智能生成与筛选，形成“生成-评估-验证-优化”的闭环。

任雪艳强调，未来，理论计算将与AI深度融合，实现跨尺度、多物理场耦合模拟，在分子结构、激发态动力学、器件物理及寿命预测等方面提供全面支撑，从“经验试错”转向“理论预测+实验验证”的迭代闭环，推动OLED显示与照明技术进入智能化、定制化时代。

在智能化浪潮席卷制造业的今天，鼎材科技亦积极拥抱市场与科技新变化，以AI为抓手，探索重新定义OLED材料研发路径，并期待与产业链伙伴携手，共同推动中国电子材料走向全球高端市场，实现“科技创新，产业报国”的企业使命。