OLED 屏幕使用了施加電流時能夠發光的有機分子。不像現在普遍使用的液晶顯示器（LCD），OLED 屏幕不需要背光（backlight），這意味著 OLED 屏幕能夠像一片塑料一樣薄且具有柔性。單個像素能被開啟或被完全關閉，這能極大改進屏幕的彩色對比度和能量消耗。OLED 在高端消費者設備中正在取代 LCD，但在電視這樣的大型顯示器上，因缺乏穩定有效的藍光材料使得 OLED 缺乏競爭力。

　　

　　哈佛的這支跨學科研究團隊聯合 MIT 和三星，開發了一個大規模的、計算機驅動的名為分子太空梭（Molecular Space Shuttle）的篩選流程；該流程結合了理論和實驗化學、機器學習、化學信息學，可以快速識別和產業標準表現一樣甚至更好的新型 OLED 分子。
 

　　

　　Alan Aspuru-Guzik

　　

　　領導這一研究的化學和生物化學教授  Alán Aspuru-Guzik 說，「人們一度相信有機發光分子的種類只限于分子空間的小部分區域。但通過開發一個復雜的分子生成器，使用前沿的機器學習技術，并利用實驗學家的專業知識，我們發現了大量的高性能藍光 OLED 材料。」

　　

　　這一研究已經發表到了這一期的 Nature Materials 上。

　　

　　OLED 制造成本最大的挑戰是發出藍光。

　　

　　如同 LCD，OLED 依靠綠、紅、藍子像素在屏幕上產生各種顏色。但一直很難找到能夠有效發出藍光的有機分子。為了改進功效，OLED 生產商創造出了帶有銥這樣昂貴的過渡金屬的有機金屬分子，憑借磷光現象（ phosphorescence）增強分子。這一解決方法非常昂貴，且還不能實現穩定的藍光。

　　

　　Aspuru-Guzik 和他的團隊想要使用完全的有機分子取代這些有機金屬化合物系統。

　　

　　首先，他們建立了一個擁有超過 160 萬種候選分子的庫。然后，為了收縮這一范圍，哈佛大學保爾森工程與應用科學學院（Harvard John A. Paulson School of Engineering and Applied Sciences）由計算機科學助理教授 Ryan Adams 帶領的一組研究團隊開發了新型的機器學習算法來預測哪種分子更有可能產生好結果，并優先考慮對這些分子進行虛擬測試。這有效將搜索的計算成本至少減少了十倍。

　　

　　本篇論文的作者之一、Adam 實驗室的博士后研究者 David Duvenaud 說：「這是化學與機器學習之間的自然結合。因為我們的化學設計流程的早期階段有數百萬個候選項，用人力進行評估與優先級劃分是不可能。所以基于已經評估過的分子，我們使用神經網絡來快速劃分候選分子。」

　　

　　Adam 說，「機器學習工具正在日趨成熟，我們看到它們已經開始被用于大量的科學領域。這一協作是促進計算機科學領域內前沿科技的美好機遇，同時也能促進開發有眾多實際應用的全新材料。看到這些設計能從機器學習預測變成人們可以拿在手中的設備，真是令人滿足啊。」

　　

　　該論文的第一作者、 Aspuru-Guzik 的實驗室的博士后研究者 Rafael Gómez-Bombarelli說，「我們能夠以一種真正具有預測性的方式建模這些分子。我們能從一個簡單的量子化學計算中預測分子的顏色和亮度，計算每一種分子大約需要 12 個小時。我們為化學空間建立了圖表，并通過進行虛擬實驗來尋找分子所能做到的極限。」

　　

　　Aspuru-Guzik 說，「分子就像是運動員。找到賽跑運動員很容易，找到游泳運動員、自行車賽車手也很容易，但找到兼三者于一身的運動員不容易。我們的分子需要是三項全能的運動員，它們需要是藍色、穩定且明亮的。」
 

　　
 

　　但是發現這些超分子所需的不僅僅是計算能力——還需要人類的直覺，Tim Hirzel 如是說，他是化學與化學生物學系的一位高級軟件工程師，也是本論文的作者之一。

　　

　　為了幫助彌合理論建模和實驗實踐之間的差距，Hirzel 及其團隊搭建了一個網頁應用以便合作者能探索這些量子化學模擬結果——該結果有 50 多萬份。

　　

　　每個月，Gómez-Bombarelli 與合著者 Jorge Aguilera-Iparraguirre（也是 Aspuru-Guzik 實驗室的一位博士后）都會選出最有潛力的分子，并使用他們的軟件來創造「棒球卡（baseball cards）」，其詳細包含了關于每一種分子的重要信息。這個過程篩選出了 2500 種值得進一步研究的分子。然后該團隊在三星和 MIT 的實驗合作者會投票決定哪種分子最具有應用潛力。該團隊還根據流行的在線約會應用 Tinder 為他們的投票工具起了一個綽號——「molecular Tinder（分子 Tinder）」。

　　

　　Hirzel 說，「我們以一種非常謹慎的方式促進了這門科學的社會方面的發展。」

　　

　　Gómez-Bombarelli 說，「計算機模型做了很多事，但天才的靈光仍然來自于人類。」

　　

　　「這一工作的成功源自其多學科的本質，」Aspuru-Guzik 說，「我們在 MIT 和三星的合作者提供了有關這些分子結構的要求的關鍵反饋。」

　　

　　「這種由哈佛的團隊首創的高通量篩選技術顯著地減少了對合成、實驗表征和優化的需求。」該論文的作者之一、MIT 電氣工程與計算機科學教授 Marc Baldo 說，「這表明了產業界更快更有效地推進 OLED 技術的方式。」

　　

　　在這種加速的設計周期后，該團隊得到了數百種性能表現和當前最佳的無金屬 OLED 一樣好（甚至更好）的分子。

　　

　　這種類型的分子篩選應用也能極大地擴展到 OLED 領域之外。

　　

　　「這項研究只是更多更先進的有機分子發展之路的一個中間站，我們可以將其用于液流電池、太陽能電池和有機激光器等更多領域。」Aspuru-Guzik 說，「加速分子設計的未來真的非常非常激動人心！」

　　

　　目前看來，這些分子還不太可能很快推向市場。但已有傳言說 iPhone 將會轉用 OLED 顯示屏，哈佛的這一技術可能會在未來幾年內為這一技術的更迭提供非常大的助力。
 

　　

　　論文：使用高通量虛擬篩選和實驗性方法的高效分子有機發光二極管設計

　　

　　摘要：由于可用計算機時間（computer time）的指數式增長與模擬和機器學習技術的不斷改進，虛擬篩選（virtual screening）正在成為分子發現（molecular discovery）應用上的一項突破性技術。我們在這里報告一種綜合式的有機功能材料設計流程，該流程整合了理論上的見解、量子化學、化學信息學、機器學習、工業專業技術、有機合成、分子表征、器件制造和光電檢測。在探索了 160 萬種分子的研究空間之后，該流程使用含時密度泛函理論（TDDFT：time-dependent density functional theory）從中篩選出了 400,000 多種，我們從中識別出了數千種在可見光譜上的有潛力的全新有機發光二極管。我們的團隊一起協作從這個集合中選擇了最好的候選材料。合成這些候選材料后，我們對其實驗測定發現，它們的外量子效率（EQE：External Quantum Efficiency）可達到 22%。