Ученые из Института общей и неорганической химии им. Н.С. Курнакова РАН и Московского государственного университета им. М.В. Ломоносова представили инновационный подход к прогнозированию люминесцентных свойств комплексов иридия(III) с использованием машинного обучения и новой базы данных IrLumDB. Этот подход позволяет ускорить процесс поиска наилучших компонентов для оптической электроники. Результаты работы, поддержанной Российским научным фондом (№ 24-73-10232), опубликованы в журнале Journal of Materials Chemistry C https://pubs.rsc.org/en/Content/ArticleLanding/2025/TC/D5TC00305A.
Общая схема предсказания люминесцентных свойств комплексов иридия. Автор рисунка: Лев Краснов
Комплексы иридия(III) широко применяются в органических светодиодах (OLED) благодаря их яркой люминесценции и высокой химической устойчивости. Однако разработка новых эффективных эмиттеров требует значительных временных и финансовых затрат. Люди всегда искали новые материалы. Сегодня им в этом помогает искусственный интеллект. Московские исследователи предложили метод, позволяющий быстро и точно предсказывать ключевые люминесцентные характеристики комплексов иридия(III) на основе их структурной формулы без необходимости синтезировать целевые молекулы или выполнять квантово-химические расчеты.
Работу прокомментировал один из авторов статьи, младший научный сотрудник Лаборатории кристаллохимии и Центра цвета ИОНХ РАН Лев Краснов: «На первом этапе были собраны и систематизированы 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.
На ее основе популярные алгоритмы машинного обучения (XGBoost, LightGBM и Catboost) были обучены предсказывать длину волны λmax и квантовый выход люминесценции с высокой точностью, которая превосходит метрики, достижимые современными методами квантовой химии, и является соизмеримой с точностью предсказания свойств значительно более простых органических молекул методами машинного обучения. Особую ценность работе придает тот факт, что предсказания модели были успешно проверены на 33 синтезированных в нашей лаборатории комплексах иридия».
Так как ключевой задачей исследователей является поиск новых комплексов с высокоэффективной люминесценцией, то авторы разделили все комплексы из базы данных на 3 класса: с низким (0-0.1), средним (0.1-0.5) и высоким (0.5-1) квантовым выходом, а затем обучили модели предсказывать класс эффективности люминесценции. В результате точность составила более 72%.
Ученые подготовили онлайн-приложение IrLumDB App, в котором любому исследователю доступны визуализация базы данных и возможность предсказания свойств для своих гипотетических комплексов.
Предложенный авторами подход позволит значительно ускорить процесс поиска новых эффективных люминофоров на основе иридия(III). Используя только структурную формулу лигандов, исследователи могут быстро оценить оптические свойства тысяч потенциальных комплексов, что открывает новые возможности для высокопроизводительного скрининга и разработки материалов для OLED и других оптоэлектронных устройств.
В дальнейшем авторы планируют пополнять созданную ими базу данных, улучшать точность предсказаний, а также синтезировать и испытать в устройствах молекулы иридиевых комплексов, рекомендованные на основании разработанных алгоритмов машинного обучения.
Источник: Sergei V. Tatarin, Lev V. Krasnov, Ekaterina V. Nykhrikova, Maxim M. Minin, Daniil E. Smirnov, Andrei V. Churakov and Stanislav I. Bezzubov; Towards Accelerating the Discovery of Efficient Iridium(III) Emitters Using Novel Database and Machine Learning Based Only on Structural Formula. Journal of Materials Chemistry C, 2025, 10.1039/D5TC00305A. https://doi.org/10.1039/D5TC00305A
Источник информации и фото: Институт общей и неорганической химии им. Н.С. Курнакова РАН
