-
方维海：《人工智能时代的显示材料科学》
2026-10-08 12:09:58
作者：方维海（中国科学院院士，北京师范大学化学学院教授）
人工智能是一个非常大的领域，真正跟材料有关的是机器学习，机器学习也包括好几个方面，比较重要的是神经网络，完全模拟人脑的神经原。神经网络有很多不同类型，其中效率比较高的是深度学习，这是基本概念。在机器学习里还包含其他的分类、降维和回归等方法，这些可以联合起来使用。对于我们做材料的来讲，可能神经网络、深度学习以及回归分类的办法非常有帮助。
大数据做的事情，基本叫做材料基因组工程，借鉴于人类基因的概念。我们做了一些尝试。通过材料基因组工程把目标基因找到，需要大量数据，更需要把实验数据和理论紧密的结合在一起。一方面是提高效率，另一个方面是提高精度，从商业的角度上大大降低成本。晶体的数据库大概有16亿个不同的晶体结构，但这些是已有的材料，往往还不够，需要从化学空间来做，可以用三种途径构成最有效的大数据。在倍频晶体材料里从已有中筛选后，提出了材料基因组的概念。所谓的基因，就是最关键的核心集团，这样就可以仿照生物进行突变，把关键因素进行更改，之后直观进行检测，不合格就淘汰。
OLED光体材料，对外提取光非常重要，目前业内很难达到80%的效率，这是非常重要的。根据现有的OLED材料，打乱后让计算机把所有可能组合进行拼凑，让机器检测哪个能用，最后筛选出来真正成功的一例。首先，它的折射率比已有的都好。第二，可见光没有任何吸收，出光的时候全出去，只是在紫光外，有一点点吸收。在相同电压的情况下，它的亮度比用在商业上好很多，增加了30%左右。
再看看蓝寿命行不行，当厚度是600A到700A的时候，有一个大幅度的提高，寿命大大增强，这是每项数据测试的结果，绿光可以提高20%左右的寿命，对红光器件有更高的提升。红光的主体材料，发光效率跟参考的比能达到70%，主要原因是红光主体材料把得到的电传给真正发光的配合物。
作者介绍：
方维海：物理化学家，中国科学院院士，北京师范大学化学学院教授、博士生导师，亚太理论和计算化学家联合会会士。兼任：北京化学会理事长，中国化学会常务理事。曾任北京师范大学化学学院院长；2013年当选为中国科学院院士。方维海院士长期从事光化学过程的理论分析与计算模拟工作。和合作者发展了理论方法，将有效单电子旋轨偶合算符和分子中原子近似方法相结合，在从头算MR-CI水平上，研究自旋禁阻的热解和光解反应。在绝热和非绝热反应速率理论方面做了大量的研究。他的主要研究领域是分子光解离反应机理，尤其在势能面交叉点的优化方法和应用于具体的光化学反应中，取得了新的研究成果。解决了激发态结构和动力学的一系列挑战性问题，多次预测重要光反应机理，并为实验所证实。先后主持了数项国家自然科学基金委重大和重点项目，两次受聘为973计划项目首席科学家；先后在《美国化学会志（Journal of the American Chemical Society）》等国际重要学术刊物上发表论文150多篇；先后两次获得教育部科技进步自然科学类一等奖。。2003年被教育部评为全国高等学校优秀骨干教师，2019年获得亚太理论及计算化学家协会授予的Fukui奖章，2023年获得物理有机奖。
邀请老师演讲、授课请致电：19821197419 阎老师[微信同号]
免责声明：以上内容（包括文字、图片、视频）为用户上传并发布，本平台仅提供信息存储服务。如涉及版权问题，请联系我们并提供版权证明，我们将立即删除！
手机:19821197419
地址:上海市闵行区莲花南路1951号
