Специалисты Института общей и неорганической химии им. Н.С. Курнакова РАН совместно с Московским государственным университетом им. М.В. Ломоносова разработали революционный метод прогнозирования люминесцентных характеристик иридиевых комплексов. В основе подхода лежит применение машинного обучения и уникальной базы данных IrLumDB, что существенно сокращает время подбора оптимальных материалов для оптоэлектроники. Исследование поддержано грантом Российского научного фонда (№ 24-73-10232).
Прорыв в разработке OLED-материалов
Комплексы иридия(III) — ключевые компоненты органических светодиодов благодаря их стабильности и интенсивному свечению. Однако создание новых эмиттеров традиционно требует больших ресурсов. Ученые предложили решение: алгоритм, предсказывающий оптические свойства соединений по структурным формулам, минуя трудоемкие эксперименты и сложные расчеты.
IrLumDB — фундамент для открытий
Лев Краснов, младший научный сотрудник ИОНХ РАН, подчеркивает: «Мы систематизировали данные о 1287 комплексах из 340 исследований, создав первую в мире базу IrLumDB. Она включает параметры излучения и квантовый выход, что стало основой для обучения моделей».
Точность машинного обучения
Алгоритмы XGBoost, LightGBM и Catboost продемонстрировали рекордную точность прогнозирования, превзойдя традиционные методы квантовой химии. Тестирование на 33 синтезированных образцах подтвердило эффективность подхода. Классификация соединений по эффективности свечения (низкая, средняя, высокая) достигла 72% точности.
Перспективы для индустрии
Онлайн-платформа IrLumDB App позволяет исследователям worldwide анализировать данные и тестировать виртуальные соединения. Это открывает эру высокоскоростного скрининга материалов для OLED-устройств следующего поколения. В планах команды — расширение базы данных, повышение точности моделей и внедрение AI-рекомендованных комплексов в производство.
Источник: indicator.ru
