【事例】アクティブラーニングで有機EL材料の設計を高速化V2022

分子モデリングとシミュレーションのツールは、材料探索に有効であることが証明されており、産業界の研究開発においてますます導入が進んでいます。
デジタルシミュレーションは、従来の実験的アプローチと比較して研究開発ワークフローに多大な時間短縮をもたらしますが、課題も残されています。
シュレーディンガーは、これらの課題を容易に扱えるようにしました。近年、シュレーディンガーは、物理ベースのシミュレーションと機械学習の相乗効果を光電子物性予測に活用するアクティブラーニング　ワークフローを開発しました。

Frontiers in Chemistryに掲載され、SID-Display Week 2022で発表されたシュレーディンガーによる最近の研究は、有機EL材料探索のためのアクティブラーニングパラダイムを実証しています。

※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。 （詳細を見る）

マテリアルズ・インフォマティクスで下記のようなお悩みはありませんか?
シュレーディンガーのLiveDesignは、データの記録、補完、機械学習の自動化、解析手法と結果の共有まで、課題を解決し、MIを加速します。

【お悩み1】　データの質の問題: フォーマットや用語がバラバラに存在
➡データを同じスプレッドシートに統一した言語で登録します。

【お悩み2】　データの量の問題: データは欠損値ばかり
➡物理化学計算と機械学習でデータを補完します。

【お悩み3】　非民主的なAI・機械学習・解析手法: 何から手をつければいいのかわからない
➡データの蓄積と同時に好適な機械学習モデルを自動生成。計算化学者に頼らず高精度のモデルを作成します。

【お悩み4】　社内共有の問題: いい予測値モデルができたが、社内に展開する仕組みがない
➡Web画面で解析手法や結果をグループで共有できます。

※詳しくは、お気軽にお問い合わせ下さい。 （詳細を見る）

当資料では、Schrodingerが取り扱う『Materials Science Suite』の有機エレクトロニクスや有機ELへの応用について紹介しています。

計算結果から得られる知見と理論的解釈により、有望な候補物質を判別することができ、有機発光ダイオード(Organic Light Emitting Diode(OLED))や有機半導体等の開発を効率的に行うことが可能です。
また、デバイス最適化の条件に適合するような化合物の選定にも有用です。
具体的には、密度汎関数理論(DFT)を使用して、有機EL材料開発に関係する以下のような分子プロパティを計算可能です。
・酸化ポテンシャル
・還元ポテンシャル
・ ホール再配向(再配列、再配置)エネルギー
・電子再配向エネルギー
・3 重項エネルギ ー
・3 重項再配向エネルギー
・吸収スペクトル
・TADF S1-Tx ギャップ
・蛍光

薄膜の構造は、分子動力学法(Molecular Dynamics(MD))を使用し、実際に基盤への蒸着をシミュレーションすることによって予測することができます。基本情報へつづく↓ （詳細を見る）

有機エレクトロニクス材料は、分子単体として良好な光電子特性や化学的安定性があることに加え、凝集相において望ましい形態や熱力学特性を持つことが求められます。Materials Science Suiteは、量子化学、分子動力学、機械学習に基づく、これらの系に応用可能な原子スケールシミュレーションを提供し、得られる知見と理論的解釈により、効率的な材料開発を支援します。

※詳しくはPDF資料をご覧いただくか、お気軽にお問い合わせ下さい。
 （詳細を見る）