机器学习助力鼎材科技oled新材料设计开发迭代提质增效-九游会国际

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。

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。

     2022年，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%，并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新材料分子设计。

     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。