近日，哈佛大學聯(lián)合三星、MIT篩選出超過1000個用于有機發(fā)光二極管（OLED）的藍光分子，該新型材料如果應用在OLED當中，能大幅降低其生產(chǎn)成本，并能提升OLED屏的性能。研究人員們開發(fā)了一個由于計算機輔助的分子太空梭（Molecular Space Shuttle）篩選流程，該流程結合了實驗化學、機器學習、化學信息學，可以快速找出高于產(chǎn)業(yè)標準的新型OLED分子。

　　該小組負責人Aspuru-Guzik說到，一直以來，研究人員認為有機發(fā)光分子應該來自一個范圍很小、人們很難發(fā)現(xiàn)的分子領域。但通過精密的分子構建器，同時配合最先進的機器學習技術，他們發(fā)現(xiàn)了高性能的藍光OLED材料。

　　根據(jù)項目研究人員介紹，要想降低OLED生產(chǎn)成本，其最大的挑戰(zhàn)是發(fā)出藍光。

　　OLED跟LCD一樣也需要綠、紅、藍三種顏色的子像素組合來實現(xiàn)屏幕中的所有顏色，但目前存在的問題是，有機分子很難有效地發(fā)出藍光。為了提升藍光強度，OLED制造商會使用一些過渡金屬（比如銥）憑借磷光現(xiàn)象（ phosphorescence）增強分子，從而生產(chǎn)出一種有機金屬分子。但這一解決方案成本過高，而且并不能保證藍光的穩(wěn)定性。

　　因此Aspuru-Guzik和他的團隊想要完全使用有機分子取代這些有機金屬化合物。首先研究人員建立了一個超過160萬個候選分子的分子庫，為了縮小范圍，哈佛大學計算機科學助理教授 Ryan Adams帶領研究團隊開發(fā)出新型的機器學習算法來預測哪種分子能產(chǎn)生較好的結果，并優(yōu)先對這些分子進行虛擬測試。通過這種方式，將搜索計算成本減少了十倍以上。他們總結說，化學和機器學習的結合讓研究人員更容易地預測分子的顏色和亮度。

　　Adams提到，機器學習已經(jīng)開始被用于大量的科學領域，機器學習與各學科之家的協(xié)作不僅有助于促進計算機科學的發(fā)展，同時也能開發(fā)更多新材料。

　　為了更精確地找出這些超級分子，研究人員結合理論模型和實驗實踐建立了一個網(wǎng)頁應用，讓合作人員研究超過50萬條量子化學模擬結果。這一階段完成之后，該團隊得到了數(shù)百種性能表現(xiàn)和當前最佳的無金屬 OLED相當?shù)姆肿印?/p>

　　從目前看來，這些分子還不能直接進行商用，但隨著此項技術的發(fā)展，未來很有可能為OLED顯示屏地更迭起到非常大的推動力。