OFweek半导体照明网讯 OLED 屏幕使用了施加电流时能够发光的有机分子。不像现在普遍使用的液晶显示器（LCD），OLED 屏幕不需要背光（backlight），这意味着 OLED 屏幕能够像一片塑料一样薄且具有柔性。单个像素能被开启或被完全关闭，这能极大改进屏幕的彩色对比度和能量消耗。OLED 在高端消费者设备中正在取代 LCD，但在电视这样的大型显示器上，因缺乏稳定有效的蓝光材料使得 OLED 缺乏竞争力。
哈佛的这支跨学科研究团队联合 MIT 和三星，开发了一个大规模的、计算机驱动的名为分子太空梭（Molecular Space Shuttle）的筛选流程；该流程结合了理论和实验化学、机器学习、化学信息学，可以快速识别和产业标准表现一样甚至更好的新型 OLED 分子。
Alan Aspuru-Guzik
领导这一研究的化学和生物化学教授 Alán Aspuru-Guzik 说，「人们一度相信有机发光分子的种类只限于分子空间的小部分区域。但通过开发一个复杂的分子生成器，使用前沿的机器学习技术，并利用实验学家的专业知识，我们发现了大量的高性能蓝光 OLED 材料。」
这一研究已经发表到了这一期的 Nature Materials 上。
OLED 制造成本最大的挑战是发出蓝光。
如同 LCD，OLED 依靠绿、红、蓝子像素在屏幕上产生各种颜色。但一直很难找到能够有效发出蓝光的有机分子。为了改进功效，OLED 生产商创造出了带有铱这样昂贵的过渡金属的有机金属分子，凭借磷光现象（ phosphorescence）增强分子。这一解决方法非常昂贵，且还不能实现稳定的蓝光。
Aspuru-Guzik 和他的团队想要使用完全的有机分子取代这些有机金属化合物系统。
首先，他们建立了一个拥有超过 160 万种候选分子的库。然后，为了收缩这一范围，哈佛大学保尔森工程与应用科学学院（Harvard John A. Paulson School of Engineering and Applied Sciences）由计算机科学助理教授 Ryan Adams 带领的一组研究团队开发了新型的机器学习算法来预测哪种分子更有可能产生好结果，并优先考虑对这些分子进行虚拟测试。这有效将搜索的计算成本至少减少了十倍。
本篇论文的作者之一、Adam 实验室的博士后研究者 David Duvenaud 说：「这是化学与机器学习之间的自然结合。因为我们的化学设计流程的早期阶段有数百万个候选项，用人力进行评估与优先级划分是不可能。所以基于已经评估过的分子，我们使用神经网络来快速划分候选分子。」
Adam 说，「机器学习工具正在日趋成熟，我们看到它们已经开始被用于大量的科学领域。这一协作是促进计算机科学领域内前沿科技的美好机遇，同时也能促进开发有众多实际应用的全新材料。看到这些设计能从机器学习预测变成人们可以拿在手中的设备，真是令人满足啊。」
该论文的第一作者、 Aspuru-Guzik 的实验室的博士后研究者 Rafael Gómez-Bombarelli说，「我们能够以一种真正具有预测性的方式建模这些分子。我们能从一个简单的量子化学计算中预测分子的颜色和亮度，计算每一种分子大约需要 12 个小时。我们为化学空间建立了图表，并通过进行虚拟实验来寻找分子所能做到的极限。」
Aspuru-Guzik 说，「分子就像是运动员。找到赛跑运动员很容易，找到游泳运动员、自行车赛车手也很容易，但找到兼三者于一身的运动员不容易。我们的分子需要是三项全能的运动员，它们需要是蓝色、稳定且明亮的。」
但是发现这些超分子所需的不仅仅是计算能力——还需要人类的直觉，Tim Hirzel 如是说，他是化学与化学生物学系的一位高级软件工程师，也是本论文的作者之一。
