\nO aprendizado de máquina mais uma vez forneceu um serviço aos cientistas, substituindo cálculos de rotina caros por pesquisas inteligentes. Desta vez, a IA ajudou a identificar materiais para a próxima geração de OLEDs azuis que sejam brilhantes, eficientes e de fabricação acessível. Os pixels OLED azuis sempre foram um problema porque operam com energias de excitação mais altas do que os vermelhos e verdes, o que limita a eficiência e a longevidade dos LEDs orgânicos azuis.\n\n
\n\nFonte da imagem: Universidade de Nagoya\n\nCientistas japoneses das universidades de Nagoya e Kyushu (Instituto de Biomoléculas Transformativas (WPI-ITbM) Universidade de Nagoya, Instituto de Estudos Avançados da Universidade de Kyushu) relataram a descoberta. Eles combinaram aprendizado de máquina com cálculos químicos quânticos, levando à descoberta acelerada de dois novos materiais orgânicos para pixels OLED azuis. Os compostos Cz-PAH-1 e Cz-PAH-2 não contêm boro, distinguem-se por um espectro de emissão estreito (puro) e são capazes de fornecer alta eficiência na conversão de energia elétrica em luz.\n\nCom a fluorescência convencional, a luz (fótons) só pode ser emitida por estados excitados singleto (sistemas de duas partículas), que constituem aproximadamente 25% de todos os excitons formados no pixel azul, enquanto os 75% restantes vêm de tripletos são inúteis para isso. Em outras palavras, a energia do pixel não se transforma em luz, mas em calor. Materiais com fluorescência retardada termicamente ativada (TADF) podem fazer os trigêmeos brilharem. A desvantagem é que os TADFs normalmente dependem de estruturas de boro, cuja síntese continua difícil e cara.\n\nEm vez de boro, os cientistas decidiram usar compostos de carbono, hidrogênio e nitrogênio. Com base apenas nessas substâncias, formaram uma biblioteca virtual com mais de 19 mil moléculas. Não era realista calcular cada um deles usando a química quântica; portanto, para cálculos escrupulosos, os pesquisadores selecionaram aleatoriamente apenas 1.000 deles e treinaram a IA nessa amostra calculada. O modelo avaliou de forma independente mais de 17 mil moléculas com estruturas tridimensionais disponíveis. Destes, 50 candidatos foram novamente calculados utilizando química quântica, e os dois melhores foram selecionados para síntese.moléculas promissoras. Toda a análise de um conjunto de 19 mil moléculas foi reduzida a cálculos ultraprecisos de 1.050 candidatos, o que economizou muito dinheiro para a ciência.\n\nAmbos os materiais mostraram emissão azul de banda estreita com uma largura espectral na metade do máximo de apenas 17–19 nm, o que corresponde à alta pureza da cor. O rendimento quântico da fotoluminescência em filmes finos atingiu 93–99%. O pixel OLED no Cz-PAH-1 tem uma cor semelhante à do Rec. padrão de definição ultra-alta. 2020, e o pixel Cz-PAH-2 demonstrou uma eficiência quântica externa máxima de 35,2%.\n\nAs perspectivas de trabalho são mais amplas do que a detecção de materiais para OLED azul. Os autores acreditam que o ciclo de busca de materiais que criaram – desde a geração de moléculas em um computador e seleção por IA até a síntese e teste do elemento acabado – pode ser usado para acelerar a busca por outros materiais orgânicos com um grande número de estruturas possíveis. Isso acelerará as descobertas em baterias, catalisadores, painéis solares e outras áreas, o que é bem-vindo.\n