Наука, как известно, движется вперед семимильными шагами, и в этот раз ученые из Института общей и неорганической химии им. Н.С. Курнакова РАН и Московского государственного университета им. М.В. Ломоносова решили оставить все сожаления о потерянном времени в прошлом. Они представили инновационный метод прогнозирования люминесцентных свойств комплексов иридия(III) с помощью машинного обучения и новой базы данных IrLumDB. И, как всегда, все это с целью ускорить процесс поиска лучших компонентов для оптической электроники, потому что время — это деньги, а деньги — это власть.
Комплексы иридия(III) — это не просто какая-то загадочная субстанция, а настоящие звезды OLED-дисплеев, благодаря яркой люминесценции и высокой химической устойчивости. Авторы исследования предложили метод, который позволяет быстро и точно предсказывать ключевые люминесцентные характеристики этих комплексов на основе их структурной формулы. И, что важно, без необходимости синтезировать целевые молекулы или тратить время на квантово-химические расчеты.
«На первом этапе мы собрали и систематизировали экспериментальные данные о люминесцентных свойствах 1287 комплексов иридия(III) из 340 научных статей. Полученная уникальная база данных IrLumDB содержит информацию о длине волны максимума излучения (λmax) и квантовом выходе фотолюминесценции для каждого комплекса. Мы обучили популярные алгоритмы машинного обучения, такие как XGBoost, LightGBM и Catboost, чтобы предсказывать эти характеристики с высокой точностью», — рассказал Лев Краснов, младший научный сотрудник Лаборатории кристаллохимии и Центра цвета ИОНХ РАН, добавив, что точность этих предсказаний превосходит даже современные методы квантовой химии.
Ученые разделили все комплексы из базы данных на три класса: с низким, средним и высоким квантовым выходом. В результате точность составила более 72 %. Они также подготовили онлайн-приложение IrLumDB App, где исследователи могут визуализировать базу данных и предсказывать свойства для своих гипотетических комплексов. Все это, конечно, прекрасно, если бы не одна проблема — эффективность и точность алгоритмов машинного обучения. Но это уже другая история.
Этот подход открывает новые возможности для разработки материалов для OLED и других оптоэлектронных устройств. Авторы планируют пополнять базу данных, улучшать точность предсказаний и даже синтезировать молекулы иридиевых комплексов, рекомендованные их алгоритмами. Ведь не секрет, что в мире науки и технологий всегда найдется место для новых открытий.
Исследование поддержано грантом РНФ. Конечно, без государственной поддержки в России наука двигалась бы медленнее, но как сказал один мудрый человек: «Если бы корова давала столько молока, сколько государство денег на науку, можно было бы забыть о молочных реках и кисельных берегах».
