新质生产力,是推动各行各业高质量发展的新动能,而形成新质生产力,则要依托科技创新。电子信息新材料产业作为国家战略性新兴产业之一,要实现创新发展,亦离不开人工智能等新一代智能化信息技术的加持。
4月1日,第八届国际显示技术大会在合肥隆重召开,作为高端电子信息材料供应商,北京鼎材科技有限公司(简称“鼎材科技”)受邀出席大会,并围绕“机器学习助力OLED新材料设计”做主旨发言。
机器学习赋能OLED新材料设计
据鼎材科技发言人王璐博士介绍,机器学习是人工智能的核心学科,近年来,人工智能已经开始在材料学领域中发挥优势,国际社会对这一领域的关注度日趋提升,例如欧美已启动类似材料基因组计划,中国和日本业已着手相应的研发计划。
但目前国内OLED显示发光材料开发仍处于经验和实验试错阶段,现有的发光材料相关数据质量参差不齐,光电参数和电子结构信息缺失,不能满足新材料的迭代开发需求,难以强有力地支撑产业转型升级。
通过使用机器深度学习技术,对大量的材料数据进行分析和挖掘,能够探索其中的关联模式和规律,破译材料的结构-性能关系,实现材料的理性设计,减少试错和试验成本。
鼎材科技团队认为,如果能将机器学习与OLED新材料设计相结合,融合人工智能和材料科学的专业知识,挖掘和释放人工智能在新材料研究中的多样性和潜力,将有助于加速新材料的探索和发现,为显示材料行业发展注入新活力。
鼎材科技尝试OLED新材料设计中引入机器学习模型
两年前鼎材科技引入研发信息化管理平台,尝试引入机器学习在OLED新材料设计中的应用研究,基于自身多年的研发经验总结和大量OLED材料分子结构及器件数据积累,研究分子结构、材料本征性能和器件性能表征三者之间的关系,并与高校、研究机构开展合作,通过理论层面的机理研究,以量化计算数据和实验数据为基础,探索OLED材料结构迭代设计的机器学习模型。
2023年,鼎材科技通过牵头实施“十四五”国家重点研发计划——基于计算-实验-数据融合的高光效窄谱带蓝光OLED/QLED发光材料与器件应用研究项目,一方面整合OLED研发全链条的数据和文献报道的QLED数据,搭建基于计算-实验-数据融合的包含20万条数据的国内首个多功能模块的显示材料数据库,另一方面发展适用于OLED材料的计算方案,揭示与高光效、高稳定性、窄谱带等性能相关的光物理过程及多态量子耦合机制,设计新型材料。
基于计算-实验-数据融合的发光材料理论设计,在RGB多色光领域都可以沿用。利用机器学习算法模型,鼎材科技团队探索红色磷光OLED外量子效率(EQE)和主体分子结构、器件结构之间的关系,从1000条已有的红光器件数据和800个红光主体材料分子结构出发,通过数据整理、特征工程、模型搭建、模型评估和模型应用五个过程,实现从分子、器件结构直接预测最终的外量子效率。目前将特征量降到35个,测试集RMSE为3.21%,将此模型应用到实际分子设计中,筛选出一支红光主体材料EQE达到27.56%,进入商业材料的第一梯队。
王璐表示,这是一次利用机器学习方法对预测器件EQE进行的初步尝试。接下来,鼎材科技团队将继续优化模型,在RGB多个领域结合量化计算结果助力OLED材料分子设计。
进入数字经济时代,机器学习作为一种重要的人工智能技术,已经在数字经济中扮演着越来越重要的角色。鼎材科技亦将积极适应新形势、拥抱新变化、抢抓新机遇,利用机器学习加快OLED新材料设计开发迭代速度,从而更好地满足市场及行业需求,赋能光电信息材料行业高质量发展。