人工决策树引导的超长室温光共晶的选,具有局部激发状态

科学领域:

• 材料科学 材料科学 材料科学
• 摄影化学的使用.
• 机器学习 机器学习

背景情况:

• 超长室温光 (RTP) 系统的高通量选对于开发先进的光功能材料至关重要.
• 电荷转移 (CT) 共同晶体由于可调节的捐赠器-接受器属性,对RTP有希望,但由于旋转禁止过渡,实现RTP具有挑战性.
• 目前用于发现RTP材料的方法通常依赖于低效的试错方法.

研究的目的:

• 开发一个系统和有效的策略来设计和发现新的RTP活性CT共晶体.
• 克服在CT系统中实现RTP时的旋转禁止转换的局限性.
• 通过可调节的发光材料,使信息加密和光学计算的新应用成为可能.

主要方法:

• 以理论计算为指导的人工决策树方法的开发.
• 引入基于能源的描述符 (E),以简化RTP活性共晶体的设计.
• 预测的共晶体的实验验证和其光物理性质的评估,包括RTP寿命.

主要成果:

• 成功设计和合成了新的CT共晶体 (TP&1,2-TFP和TP&1,4-TFP),其RTP寿命高达1.223秒,为CT共晶体报告的最长时间.
• 证明了基于能源的描述符在促进RTP系统间交叉的有效性.
• 确定了额外的RTP主动系统 (TP&1,2-TCP和TP&1,4-TCP),并展示了它们在数字/视觉信息加密和时隔光学逻辑门中的实用性.

结论:

• 开发的机器学习驱动框架为发现发光材料的传统方法提供了强大的和高效的替代方案.
• 基于能量的描述器是设计具有超长RTP的CT共晶的强大工具.
• 合成材料具有在光学数据存储,安全和计算领域的先进应用的巨大潜力.