人類靠試錯永遠發現不了組合,AI壹次就算出來
制造高性能QLED有壹個核心挑戰：量子點顆粒必須在薄膜中均勻、致密地排列。溶劑的選擇至關重要，它直接影響亮度和壽命。但過去，預測最優溶劑條件需要大量試錯，費時費力。
首爾大學和成均館大學的聯合團隊換了個思路：讓AI來做這件事。
他們先用伍種代表性溶劑制造了量子點薄膜，用原子力顯微鏡量化表面均勻性，然後訓練壹個 機器學習模型來逆向預測——不給AI看配方，讓它根據目標薄膜質量反推出所需溶劑特征。
結果AI給出的最優方案沒有壹種單壹溶劑能完美匹配。於是團隊混合多種溶劑來接近AI的預測，由此發現了壹種"僅靠重復實驗很難找到"的組合。實際驗證表明，效率約為傳統單溶劑器件的兩倍，工作壽命更是增加了超過40倍。
首爾大學教授Jeonghun Kwak表示，這項研究證明"AI可以基於數據驅動來設計顯示材料和工藝"，而且方法不僅適用於QLED，還可應用於OLED、太陽能電池和其他下壹代電子器件。
這項研究得到了韓國科學信息通信部和國家研究基金會"未來顯示領先技術計劃"和"納米與材料技術開發計劃"的支持。
[加西網正招聘多名全職sales 待遇優]
好新聞沒人評論怎麼行，我來說幾句
首爾大學和成均館大學的聯合團隊換了個思路：讓AI來做這件事。
他們先用伍種代表性溶劑制造了量子點薄膜，用原子力顯微鏡量化表面均勻性，然後訓練壹個 機器學習模型來逆向預測——不給AI看配方，讓它根據目標薄膜質量反推出所需溶劑特征。
結果AI給出的最優方案沒有壹種單壹溶劑能完美匹配。於是團隊混合多種溶劑來接近AI的預測，由此發現了壹種"僅靠重復實驗很難找到"的組合。實際驗證表明，效率約為傳統單溶劑器件的兩倍，工作壽命更是增加了超過40倍。
首爾大學教授Jeonghun Kwak表示，這項研究證明"AI可以基於數據驅動來設計顯示材料和工藝"，而且方法不僅適用於QLED，還可應用於OLED、太陽能電池和其他下壹代電子器件。
這項研究得到了韓國科學信息通信部和國家研究基金會"未來顯示領先技術計劃"和"納米與材料技術開發計劃"的支持。
[加西網正招聘多名全職sales 待遇優]
| 分享: |
| 注： |
| 延伸閱讀 |
推薦: