有机发射物的人工设计是通过一个由深度神经网络增强的遗传算法来实现的
AkshatKumar Nigam1,2, Robert Pollice1,2, Pascal Friederich1,2,3,4
1Chemical Physics Theory Group, Department of Chemistry, University of Toronto 80 St. George St Toronto Ontario M5S 3H6 Canada r.pollice@rug.nl aspuru@utoronto.ca.
Chemical science
|February 16, 2024
概括
研究人员开发了一种人工智能工作流程,以设计具有反向单三间隙和高光率的新型有机发射器. 这加速了为下一代有机发光二极管的材料的发现.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学计算化学
- 人工智能的人工智能
背景情况:
- 分子设计涉及复杂的多目标优化在高维化学空间.
- 传统方法依赖于人类的专业知识,限制了高通量方法.
研究的目的:
- 开发一种人工智能驱动的工作流程,用于加速分子生成.
- 发现新型有机发射物,具有反向单三间隙和高光率.
主要方法:
- 利用遗传算法和深度神经网络进行分子设计.
- 结合高通量虚拟选与反向设计原则.
- 综合领域知识与人工智能进行高效的探索.
主要成果:
- 探索了超过80万个潜在的发射分子.
- 识别了超过10,000个具有反转单三间隙 (INVEST) 和高光率的候选分子.
- 预计许多候选物会发出蓝光.
结论:
- 人工智能工作流程显著加速了新型有机发射物的发现.
- 这种新型分子类别有可能成为先进的有机发光二极管 (OLED).
- 这种方法展示了人工智能在复杂的化学设计空间中导航的力量.
