透明有机发光二极管阳极材料的机器学习辅助高通量选
Liying Cui1, Qing Li1, Yanchang Zhang1
1Key Laboratory of Functional Inorganic Material Chemistry (Ministry of Education), School of Chemistry and Materials Science, Heilongjiang University Harbin 150080 P. R. China zhengbing0106@163.com zhengbing@hlju.edu.cn.
Chemical science
|November 21, 2024
概括
我们开发了一种机器学习框架,以加快为透明有机发光二极管 (OLED) 开发二维纳米材料的发现. 这种方法有效地识别出具有最佳工作功能的材料,优于传统方法.
科学领域:
- 材料科学 材料科学 材料科学
- 有机电子 有机电子
- 计算化学计算化学
背景情况:
- 优化2D纳米材料的工作功能是高效率有机发光二极管 (OLED) 的关键.
- 传统的材料发现是缓慢和低效的,依赖于经验方法.
研究的目的:
- 通过目标驱动的设计框架,加速发现透明的OLED阳极材料.
- 结合高通量虚拟选和可解释的机器学习 (ML) 进行高效的材料预测.
主要方法:
- 开发了一个CatBoost ML回归模型来预测2D纳米材料的工作功能 (MAE为0.20 eV).
- 利用夏普利增量解释 (SHAP) 进行全球和本地模型解释.
- 执行多条件选和密度函数理论 (DFT) 计算.
主要成果:
- 确定空间组作为许多2D纳米材料工作功能的主要决定因素.
- 发现的特定空间组 (例如,Pmn2_1,P6̄m2) 与高工作函数相关,而其他 (例如,P4/mmm,P1̄) 与低工作函数相关.
- 确定了一种有前途的2D纳米材料 (PS),具有高导电性 (>10^6 S m^-1),透明度 (>90%),和有利的工作功能 (>5 eV).
结论:
- 开发的ML框架为设计高性能2D纳米材料提供了具有成本效益的方法.
- 已确定的2D纳米材料 (PS) 显示出其作为透明OLED阳极的氧化物 (ITO) 的优质替代品的潜力.
- 这项研究为2D纳米材料的工作功能机制提供了新的见解.
