Машинное обучение снова оказало учёным услугу, заменив дорогостоящие рутинные вычисления интеллектуальным поиском. На этот раз ИИ помог с определением материалов для синих OLED нового поколения — ярких, эффективных и доступных в производстве. Синие OLED-ппиксели всегда были проблемой, поскольку работают с бóльшими энергиями возбуждений, чем красные и зелёные, что ограничивало эффективность и долговечность синих светодиодов на органических материалах.
Содержание статьи
- 1 Обзор Ryzen 9 9950X3D2: правильный 16-ядерник с 3D-кешем
- 2 Репортаж с IEM Cologne Major 2026: Жаб Жабыч, триумф NiKo и главные сенсации мейджора по CS2
- 3 Обзор Infinix GT 50 Pro: геймерский смартфон со встроенной СЖО
- 4 Умные помощники: обзор ИИ-сервисов для обработки изображений. Часть 2, актуализированная
- 5 Выбираем лучший игровой ноутбук до 100 000 рублей: сравнительное тестирование 7 интересных моделей
Обзор Ryzen 9 9950X3D2: правильный 16-ядерник с 3D-кешем
Репортаж с IEM Cologne Major 2026: Жаб Жабыч, триумф NiKo и главные сенсации мейджора по CS2
Обзор Infinix GT 50 Pro: геймерский смартфон со встроенной СЖО
Умные помощники: обзор ИИ-сервисов для обработки изображений. Часть 2, актуализированная
Выбираем лучший игровой ноутбук до 100 000 рублей: сравнительное тестирование 7 интересных моделей
Источник изображения: Nagoya University
О прорыве сообщили японские учёные из университетов Нагойи и Кюсю (Institute of Transformative Bio-Molecules (WPI-ITbM) Nagoya University, Institute for Advanced Study Kyushu University). Они объединили машинное обучение с квантово-химическими расчётами, что привело к ускоренному обнаружению двух новых органических материалов для синих OLED-пикселей. Соединения Cz-PAH-1 и Cz-PAH-2 не содержат бора, отличаются узким (чистым) спектром излучения и способны обеспечивать высокую эффективность преобразования электрической энергии в свет.
При обычной флуоресценции свет (фотоны) могут излучать только синглетные возбуждённые состояния (системы из двух частиц), составляющие примерно 25 % от всех образующихся экситонов в синем пикселе, тогда как остальные 75 % приходятся на бесполезные для этого триплеты. Иначе говоря, энергия пикселя уходит не в свет, а в тепло. Заставить триплеты светиться могут материалы с термически активированной замедленной флуоресценцией — TADF. Неудобство в том, что TADF обычно опираются на каркасы из бора, синтез которых остаётся сложным и дорогим.
Вместо бора учёные решили использовать соединения углерода, водорода и азота. Основываясь только на этих веществах, они сформировали виртуальную библиотеку из более чем 19 тыс. молекул. Просчитать каждую из них методом квантовой химии было нереально, поэтому для скрупулёзных расчётов исследователи выбрали случайным образом только 1000 из них и на этой просчитанной выборке обучили ИИ. Модель самостоятельно оценила свыше 17 тыс. молекул с доступными трёхмерными структурами. Из них 50 кандидатов снова посчитали с использованием квантовой химии и для синтеза отобрали две наиболее перспективные молекулы. Весь анализ массива из 19 тыс. молекул свёлся к сверхточным расчётам 1050 кандидатов, что серьёзно сэкономило средства на науку.
Оба материала показали узкополосное синее излучение с шириной спектра на половине максимума всего 17–19 нм, что соответствует высокой чистоте цвета. Квантовый выход фотолюминесценции в тонких плёнках достиг 93–99 %. Пиксель OLED на Cz-PAH-1 приблизился по цветности к стандарту сверхвысокой чёткости Rec. 2020, а пиксель с Cz-PAH-2 продемонстрировал максимальную внешнюю квантовую эффективность 35,2 %.
Перспективы работы шире обнаружения материала для синего OLED. Авторы считают, что созданный ими цикл поиска материалов — от генерации молекул на компьютере и ИИ-отбора до синтеза и испытания готового элемента — можно использовать для ускоренного поиска других органических материалов с огромным числом возможных структур. Это ускорит открытия в сфере аккумуляторов, катализаторов, солнечных панелей и в других областях, что можно только приветствовать.
