0760-89869395

9:00 - 18:00 周一至周五

当前位置:行情资讯 > 行业资讯 哈佛大学联手MIT,用机器学习筛选新型OLED材料

机器之心作者:佚名
2016-08-18 14:54:13

0

分享到:

摘要:
由于可用计算机时间(computer time)的指数式增长与模拟和机器学习技术的不断改进,虚拟筛选(virtual screening)正在成为分子发现(molecular discovery)应用上的一项突破性技术。我们在这里报告一种综合式的有机功能材料设计流程,该流程整合了理论上的见解、量子化学、化学信息学、机器学习、工业专业技术、有机合成、分子表征、器件制造和光电检测。在探索了 160 万种分子的研究空间之后,该流程使用含时密度泛函理论(TDDFT:time-dependent density functional theory)从中筛选出了 400,000 多种,我们从中识别出了数千种在可见光谱上的有潜力的全新有机发光二极管。我们的团队一起协作从这个集合中选择了最好的候选材料。合成这些候选材料后,我们对其实验测定发现,它们的外量子效率(EQE:External Quantum Efficiency)可达到 22%。


 ...

由于可用计算机时间(computer time)的指数式增长与模拟和机器学习技术的不断改进,虚拟筛选(virtual screening)正在成为分子发现(molecular discovery)应用上的一项突破性技术。我们在这里报告一种综合式的有机功能材料设计流程,该流程整合了理论上的见解、量子化学、化学信息学、机器学习、工业专业技术、有机合成、分子表征、器件制造和光电检测。在探索了 160 万种分子的研究空间之后,该流程使用含时密度泛函理论(TDDFT:time-dependent density functional theory)从中筛选出了 400,000 多种,我们从中识别出了数千种在可见光谱上的有潜力的全新有机发光二极管。我们的团队一起协作从这个集合中选择了最好的候选材料。合成这些候选材料后,我们对其实验测定发现,它们的外量子效率(EQE:External Quantum Efficiency)可达到 22%。