通过实验数据驱动的适应性β-VAE来探索优化的有机光体搜索
Yuzhi Xu1,2, Yongrui Luo3, Bo Li4
1Department of Chemistry, New York University, New York, New York 10003, United States.
JACS Au
|August 1, 2025
概括
研究人员为有机光分子开发了一种新的反向设计策略. 这种方法优化了特定的实验性质,增强了针对定制光学应用的分子设计.
科学领域:
- 有机材料科学 有机材料科学
- 计算化学计算化学
- 光物理学的光学物理学
背景情况:
- 设计具有特定光学特性的有机光分子具有挑战性.
- 现有的反向设计方法往往侧重于理论性质,而不是实验性质.
研究的目的:
- 引入一种新的反向设计策略,以优化有机光分子的特定实验性质.
- 为了增强产生的分子的强度和多样性.
主要方法:
- 采用了一个自适应的β-变量自编码器 (自适应的β-VAE).
- 结合了自适应的β-VAE与基于潜向量的预测模型.
- 动态调整了库尔巴克-莱布勒分歧缩放因子 (β) 并使用了单独的训练策略.
主要成果:
- 来自自适应性β-VAE的潜向量有效地预测了诸如光能量和量子产量等实验性质.
- 该方法提高了发电机的稳定性和分子多样性.
- 潜伏空间中的渐变导向搜索框架确定了最佳的分子设计.
结论:
- 开发的策略允许在反向设计中直接优化实验性质.
- 该方法显示了设计具有量身定制光学特征的多种有机光材料的巨大潜力.
- 通过新合成的分子进行验证证实了该框架的有效性.


