以人工智能的方式寻找更好的 OLED

  显示器是所有个人电子产品的最大差异化因素。从时髦的手表到高端的跨墙游戏系统，我们都在为打造具有最锐利的黑色、最纯净的蓝色、最高像素密度和最大对比度的显示器而展开斗争，从而为消费者提供最佳的观看体验。

  在过去十年中，有机发光二极管 (OLED) 凭借其更便宜、更清洁和更高效的照明承诺，已成为显示行业的宠儿。OLED 设备包含发光的分子，因此不需要像传统 LCD 屏幕那样的背光。当用于称为有源矩阵 OLED 或 AMOLED 的配置时，它们是智能手机的流行显示技术。

  现在，一群开创性的科学家和初创公司正在使用人工智能（AI）寻找新的 OLED 材料，他们开始看到成果。

        “OLED 非常适合非常快速的显示器，例如用于游戏和观看体育比赛的显示器。此外，它们是透明且灵活的，”麻省理工学院材料加工助理教授 Rafael Bombarelli 说。“这使得它们非常适合小众应用，例如可折叠智能手机和汽车周围的定制刹车灯。”

  如今，OLED 行业由联合显示公司、三星显示和索尼等几家大公司主导。在过去的 10 年里，三星制造了全球约 40% 的 OLED 显示器，控制着全球 AMOLED 市场高达 98% 的份额。

  然而，OLED 制造商需要克服两大挑战，才能成为显示器的主导技术。一是OLED价格高，二是OLED寿命有限。

  这一切都归结为材料。OLED器件由多层组成。中心的一层产生光，而附加的层有助于光子和电荷载流子的转移。

  这些装置的核心是具有不对称电荷分布的大型有机分子，由其中心的金属原子产生。对于今天的 OLED，该金属原子是铱。

       “铱很贵。制造这些分子的技术也很昂贵——无论是溶液处理还是真空处理，”波士顿初创公司 Kebotix 的首席科学官 Semion Saikin 说，该公司旨在利用人工智能和机器人技术加速 OLED 材料的发现。

  具有讽刺意味的是，今天的 OLED 价格昂贵，因为价格低廉是该技术最初的伟大承诺的一部分。一方面，有机分子化合物是低成本材料，可以大量生产。其次，OLED 可以通过喷墨打印机甚至通过丝网印刷印刷到任何合适的基板上——这种工艺比制造 LCD 或等离子显示器所需的工艺便宜得多。

  然而，OLED分子的价格和大批量完美制造它们的成本从未与最初的炒作相匹配。此外，这些分子已被证明不如预期的稳健。

  不同的分子产生不同颜色的光。其中，蓝色一直是一个长期存在的问题。通常用于产生蓝色的有机分子中键的能量与光本身相同，这意味着分子的降解速度比发出其他颜色的分子快得多。

  根据显示行业报告，蓝色 OLED 将在 14,000 小时内达到一半亮度，相当于每天 8 小时大约需要 5 年时间。典型的电脑或手机屏幕的使用远不止于此。相比之下，LCD 屏幕的使用寿命为 25,000 到 40,000 小时。

Kyulux 蓝色 OLED 显示屏。提供：Kyulux

       “即使经过数十年的研究，也没有市售的蓝色磷光发射器。日本 OLED 初创公司 Kyulux 的首席战略官 Junji Adachi 表示，由于其色纯度低，预计蓝色热激活延迟荧光 (TADF) 发射器的商业化将面临挑战。磷光和 TADF 是导致 OLED 发光的两种量子现象。

  毫不奇怪，新的、负担得起的 OLED 材料，尤其是蓝光，具有高效率和持久性，是该行业极具吸引力的目标。

  这种情况引发了一场发现新有机发光分子的竞赛，这吸引了成熟的行业巨头和初创公司，如 Kebotix、Kyulux 和 Cynora。

       Bombarelli 解释了 OLED 发现的魅力：“它是少数几个小分子发现可以成功的地方之一”，就像早期寻找新药一样。正如青霉素、立普妥或氯喹对我们的生活产生了巨大影响一样，真正具有革命性的发光分子也将如此。

  更不用说这样的发现会给它的发明者带来财富。“OLED 的知识产权格局非常有利于高利润应用。它可能是除了制药之外唯一一个单一分子可以声称高价的地方，”Bombarelli 说。

  我们正在寻找单分子这一事实也使得在 OLED 的探索中引入了一个强大的新盟友：人工智能。

       “有数十亿种潜在的 OLED 化合物，”总部位于纽约的 Schrödinger 公司的高级科学家 Hadi Abroshan 解释说，该公司专门研究用于材料建模和发现的计算软件。

  材料发现的传统策略是在实验室中制造和测试一个接一个的分子。它在很大程度上依赖于专业知识、化学知识，以及更多时候是运气。“这种方法没有任何问题，”Saikin 说，“它只是无法扩展到十亿个分子。”

  近年来，基于人工智能的方法使我们能够利用理论见解、量子化学、化学信息学、机器学习、有机合成、器件制造和光电子学方面的工业专业知识来探索广阔的化学空间。这使我们能够虚拟探索所有可能的 OLED 分子，而无需在实验室中创建它们。结果是系统地搜索最佳候选人。

       2016 年，Bombarelli 和他的合作者撰写了首批论文之一，展示了人工智能如何用于筛选数千种材料。他们从一个包含超过 160 万个分子的数字图书馆开始，每个分子都经过虚拟测试其电子特性，这反过来表明了发射可见光的能力。

  通常，这些属性将使用称为密度泛函理论 (DFT) 的数学框架进行计算，每个样本需要几个小时的计算机时间。然而，Bombarelli 训练了一个 AI 模型来预测分子的 DFT 特性。为此，他使用计算机计算了少量分子（约 400,000 种化合物）的性质，然后将这些信息输入 AI 模型。反过来，该模型学会了如何进行计算，即使是它从未见过的分子。这将分子的虚拟筛选时间缩短到几分之一秒。

       “我们还将计算成本从每个样本一美元降低到不到一美分，”Bombarelli 说。

  该方法显着拓宽了化学探索的范围，首次有效筛选了数百万个分子。然后将所谓的合成可及性分数分配给受审查的分子，这表明在实验室中合成的容易性。结果是一个包含 900 个分子的列表，每个分子的预期量子效率都大于 22%，这是任何有机化学家都羡慕的结果。更高的效率意味着更少的材料发出更多的光。

       Schrödinger最近通过引入所谓的主动学习模型简化了这一过程。DFT 计算不是创建 AI 模型从中学习的大型训练样本，而是在闭环学习过程中以较小的批次运行。

  从 9,000 个分子的样本量开始，计算了 50 个分子的 DFT 特性。一个 AI 模型预测了从中选出前 50 名候选人的其余部分的属性。

  然后使用传统计算生成这些前 50 名的 DFT 数据，这允许 AI 模型将其预测与基本事实进行比较。现在生成了一组新的预测，并确定了新的 50 个候选者。这会循环运行，直到 DFT 和 AI 模型的预测收敛。结果是更快的发现过程，用于计算和实验的分子数量更少。

       “主动学习方法只花了我们 85 个小时就想出了最好的 OLED 材料。完整的 DFT 分析将花费 16 倍的时间。主动学习使 OLED 材料设计发生了范式转变，”Hadi 说。

        虽然虚拟筛选是一个很好的起点，但在将这些分子转化为优质的 OLED 设备之前，还有大量工作要做。正如 Bombarelli 所说，“分子和设备之间有很多跳跃。”.

  工业生产 OLED 为 10 × 10 英尺玻璃板上的薄膜。制造工厂需要先进的设备、洁净室等大量资源和训练有素的员工。他们花费数十亿美元建立起来并不奇怪。制造商需要确保选择了正确的分子，并且它符合商业和工业成功的所有标准。

       “虽然 DFT 可以预测分子的某些物理特性，但它们无法预测降解或寿命，”Saikin 说。因此，设备的性能需要学习额外的参数和多轮测试。

  在 Kebotix，虚拟筛选的材料在实验室中合成，并针对分子和设备级性能指标进行快速测试。该信息用于下一轮材料的选择。一些起始分子可从定制的化学库中获得，而另一些则可以由容易获得的原料制成。重点是以具有成本效益的方式进行库生成。

       Kebotix 使用逆合成软件，从可用的试剂中，帮助绘制合成路线到所需的分子。一个合成和测试周期涉及十几个分子。

       Kyulux 在 OLED 发现中使用了另一种人工智能辅助策略。“大多数试图利用人工智能进行材料发现的公司仅依赖于计算数据，因为积累实验数据既昂贵又耗时。相反，Kyulux 在过去六年中一直在积累实验数据——分子、薄膜和设备——以及计算数据，”Adachi说。

用于自动合成分子库的 Kebotix 实验室。提供：Kebotix

  除了分子搜索和发现，该公司还进行设备级优化。Adachi 表示，他们正在尝试应用各种机器学习 (ML) 模型来预测 OLED 设备的特性，例如外部量子效率、驱动电压、寿命等。这些 ML 模型包括具有所有其他分子特征的设备配置特征，以便模型可以逐步学习最佳设备配置。

  该策略似乎正在取得成效。Kyulux 计划在 2023 年开始量产 TADF，并在 2025 年后将市场扩展到大屏幕电视、AR/VR 和汽车应用。他们的重点是一种称为超荧光的商标量子发射现象，可提供高效和纯色发射具有成本竞争力的材料。该公司预计绿色和红色超荧光将在 2023 年商业化，蓝色超荧光将于次年商业化。

       “对于大规模生产，我们正在开发不同于实验室水平的大规模合成的合成路线，”Adachi 说。“我们正在与外包合作伙伴合作进行大规模生产，以确保产品质量。”

  总而言之，可以肯定地说，从现在开始的几年内，OLED 的前景将会大不相同。从电脑显示器和电视屏幕，这些分子也可以进入手表、智能标签和医疗传感器。

  由于我们可以使用大量的 OLED 分子，因此将每个应用程序与正确的分子配对可能是一项微不足道的任务——这要归功于 AI 和一群大胆的先驱。

Vineeth Venugopal 是一位热爱所有事物及其故事的科学作家和超材料研究员。