智能投顾高级特训班——从入门到就业
您正在使用IE低版浏览器,为了您的雷锋网账号安全和更好的产品体验,强烈建议使用更快更安全的浏览器
新鲜 正文
发私信给亚峰
发送

1

哈佛大学联手三星、MIT,利用机器学习降低OLED成本

本文作者:亚峰 2016-08-11 09:35
导语:利用机器学习筛选出的蓝光分子,能大幅降低OLED生产成本,并大幅提高性能。

哈佛大学联手三星、MIT,利用机器学习降低OLED成本

近日,哈佛大学联合三星、MIT筛选出超过1000个用于有机发光二极管(OLED)的蓝光分子,该新型材料如果应用在OLED当中,能大幅降低其生产成本,并能提升OLED屏的性能。

研究人员们开发了一个由于计算机辅助的分子太空梭(Molecular Space Shuttle)筛选流程,该流程结合了实验化学、机器学习、化学信息学,可以快速找出高于产业标准的新型OLED分子。

该小组负责人Aspuru-Guzik说到,一直以来,研究人员认为有机发光分子应该来自一个范围很小、人们很难发现的分子领域。但通过精密的分子构建器,同时配合最先进的机器学习技术,他们发现了高性能的蓝光OLED材料。

根据项目研究人员介绍,要想降低OLED生产成本,其最大的挑战是发出蓝光。

OLED跟LCD一样也需要绿、红、蓝三种颜色的子像素组合来实现屏幕中的所有颜色,但目前存在的问题是,有机分子很难有效地发出蓝光。为了提升蓝光强度,OLED制造商会使用一些过渡金属(比如铱)凭借磷光现象( phosphorescence)增强分子,从而生产出一种有机金属分子。但这一解决方案成本过高,而且并不能保证蓝光的稳定性。

因此Aspuru-Guzik和他的团队想要完全使用有机分子取代这些有机金属化合物。首先研究人员建立了一个超过160万个候选分子的分子库,为了缩小范围,哈佛大学计算机科学助理教授 Ryan Adams带领研究团队开发出新型的机器学习算法来预测哪种分子能产生较好的结果,并优先对这些分子进行虚拟测试。通过这种方式,将搜索计算成本减少了十倍以上。他们总结说,化学和机器学习的结合让研究人员更容易地预测分子的颜色和亮度。

Adams提到,机器学习已经开始被用于大量的科学领域,机器学习与各学科之家的协作不仅有助于促进计算机科学的发展,同时也能开发更多新材料。

为了更精确地找出这些超级分子,研究人员结合理论模型和实验实践建立了一个网页应用,让合作人员研究超过50万条量子化学模拟结果。这一阶段完成之后,该团队得到了数百种性能表现和当前最佳的无金属 OLED相当的分子。

从目前看来,这些分子还不能直接进行商用,但随着此项技术的发展,未来很有可能为OLED显示屏地更迭起到非常大的推动力。

哈佛大学联手三星、MIT,利用机器学习降低OLED成本

雷锋网原创文章,未经授权禁止转载。详情见转载须知

分享:
相关文章

文章点评:

表情
最新文章
为了您的账户安全,请验证邮箱
您的邮箱还未验证,完成可获20积分哟!
请验证您的邮箱
立即验证
完善账号信息
您的账号已经绑定,现在您可以设置密码以方便用邮箱登录
立即设置 以后再说
请填写申请人资料
姓名
电话
邮箱
微信号
作品链接
个人简介