近年來(lái)，材料科學(xué)正邁入一個(gè)由人工智能（AI）和自動(dòng)化技術(shù)驅(qū)動(dòng)的新紀(jì)元。AI與高通量合成的結(jié)合，為材料逆向設(shè)計(jì)提供了強(qiáng)大的工具，極大加速了新型材料的發(fā)現(xiàn)進(jìn)程。在近期發(fā)表于 Science 的研究中，德國(guó)赫姆霍茲研究所Christoph J. Brabec和武建昌聯(lián)合廈門(mén)大學(xué)王露遙、卡爾斯魯厄理工學(xué)院 Pascal Friederich和韓國(guó)蔚山國(guó)立科學(xué)技術(shù)院Sang Il Seok開(kāi)發(fā)了一種閉環(huán)自動(dòng)化工作流程，首次實(shí)現(xiàn)了針對(duì)光電應(yīng)用的有機(jī)半導(dǎo)體逆向設(shè)計(jì)，通過(guò)大數(shù)據(jù)和機(jī)器學(xué)習(xí)識(shí)別出決定有機(jī)半導(dǎo)體光電性能的關(guān)鍵因素，并將器件性能提升至26.2%的光電轉(zhuǎn)換效率（PCE），這是該領(lǐng)域的重要突破。

圖1. 閉環(huán)材料設(shè)計(jì)示意圖

背景：高通量有機(jī)合成與表征

此前，該團(tuán)隊(duì)已在 Journal of the American Chemical Society 上報(bào)道了一套高通量合成與表征平臺(tái)（如圖2所示），該平臺(tái)能夠快速制備、純化和表征分子庫(kù)（J. Am. Chem. Soc., 2023, 145, 16517–16525）。在這一基礎(chǔ)上，通過(guò)結(jié)合理論計(jì)算與自動(dòng)化實(shí)驗(yàn)，實(shí)現(xiàn)了分子的高純度和高重復(fù)性，并在數(shù)周內(nèi)建立了包含125個(gè)分子的材料庫(kù)，涵蓋了豐富的光電性質(zhì)。這一成果為后續(xù)AI驅(qū)動(dòng)的材料設(shè)計(jì)奠定了堅(jiān)實(shí)的實(shí)驗(yàn)數(shù)據(jù)基礎(chǔ)。

圖2. 高通量有機(jī)合成平臺(tái)

閉環(huán)材料發(fā)現(xiàn)工作流程

閉環(huán)流程將高通量合成、高通量表征與機(jī)器學(xué)習(xí)（ML）模型相結(jié)合，形成自主學(xué)習(xí)的材料開(kāi)發(fā)系統(tǒng)（如圖1與圖3所示）。具體包括五個(gè)關(guān)鍵步驟：（1）虛擬數(shù)據(jù)庫(kù)創(chuàng)建與篩選：基于結(jié)構(gòu)多樣性原則，從百萬(wàn)級(jí)分子庫(kù)中篩選候選分子。（2）分子描述符計(jì)算：通過(guò)密度泛函理論（DFT）計(jì)算，提取分子的電子與幾何特性。（3）高通量有機(jī)合成與表征：利用自動(dòng)化平臺(tái)快速制備分子，并進(jìn)行電學(xué)與光學(xué)性能測(cè)試。（4）器件性能表征：測(cè)量器件的J-V曲線、PCE等關(guān)鍵參數(shù)。（5）機(jī)器學(xué)習(xí)訓(xùn)練與優(yōu)化：基于實(shí)驗(yàn)數(shù)據(jù)訓(xùn)練貝葉斯優(yōu)化模型，迭代選擇高性能分子。這一閉環(huán)流程可在每輪迭代中高效反饋與優(yōu)化，逐步實(shí)現(xiàn)材料性能的提升。

圖3. 針對(duì)鈣鈦礦太陽(yáng)能電池中空穴傳輸層的逆向分子設(shè)計(jì)

機(jī)器學(xué)習(xí)模型的構(gòu)建與優(yōu)化

研究團(tuán)隊(duì)采用高效的分子描述符集，包括：（1）分子統(tǒng)計(jì)屬性：如原子種類、芳香鍵數(shù)量、功能基團(tuán)等。（2）理論計(jì)算特性：如分子軌道能級(jí)（HOMO和LUMO）、溶解度對(duì)數(shù)（LogP）、偶極矩和旋轉(zhuǎn)常數(shù)等。通過(guò)10折交叉驗(yàn)證，測(cè)試了多種ML模型，包括隨機(jī)森林、線性回歸、神經(jīng)網(wǎng)絡(luò)和高斯過(guò)程回歸（GPR）等。最終，GPR因其不確定性量化能力被選為貝葉斯優(yōu)化的代理模型（BO）。這一模型能夠在“探索-利用”模式中高效識(shí)別高性能分子（圖4）。

圖4. 基于實(shí)驗(yàn)數(shù)據(jù)和計(jì)算機(jī)描述符的模型訓(xùn)練

高性能分子發(fā)現(xiàn)與驗(yàn)證

通過(guò)兩輪閉環(huán)優(yōu)化，研究團(tuán)隊(duì)證明ML模型能夠有效預(yù)測(cè)新型空穴傳輸材料。與初始數(shù)據(jù)庫(kù)相比，新一輪篩選出的分子表現(xiàn)出更高的PCE值，顯著超越了隨機(jī)篩選和傳統(tǒng)網(wǎng)格搜索方法。具體而言，實(shí)驗(yàn)器件的光電轉(zhuǎn)換效率從初始的8.5%逐步提高至最高的26.2%，這一成果驗(yàn)證了ML模型在材料設(shè)計(jì)中的強(qiáng)大潛力（圖5）。

圖5. 新合成的分子和用于迭代的實(shí)驗(yàn)數(shù)據(jù)

模型分析及分子設(shè)計(jì)規(guī)則

研究團(tuán)隊(duì)致力于通過(guò)機(jī)器學(xué)習(xí)（ML）模型的分析，深入挖掘影響器件性能的關(guān)鍵物理參數(shù)。該團(tuán)隊(duì)從訓(xùn)練后的 ML 模型中提取了與光電轉(zhuǎn)換效率（PCE）相關(guān)的分子描述符，并評(píng)估了它們對(duì)模型預(yù)測(cè)的貢獻(xiàn)（如圖5A所示）。HOMO 能級(jí)、叔胺結(jié)構(gòu)的存在、HOMO/LUMO 能級(jí)差以及純度被識(shí)別為影響性能預(yù)測(cè)和分子發(fā)現(xiàn)的核心特征。

為了進(jìn)一步識(shí)別決定性特征，研究團(tuán)隊(duì)采用遞歸特征機(jī)（RFM）對(duì)特征重要性進(jìn)行分析。基于結(jié)構(gòu)指紋的 RFM 模型在測(cè)試集上的 R? 值約為 0.5。純度、HOMO 能級(jí)、HOMO/LUMO 能級(jí)差以及叔胺結(jié)構(gòu)的存在被驗(yàn)證為模型關(guān)注的核心特征。通過(guò)留一法交叉驗(yàn)證，模型在預(yù)測(cè)未知分子性能時(shí)依然表現(xiàn)出良好的泛化能力（R? 值約為 0.3）。

為了構(gòu)建更具可解釋性的模型，研究團(tuán)隊(duì)使用貪婪搜索算法篩選最優(yōu)特征子集，并訓(xùn)練了線性回歸模型。線性回歸模型選擇了包括芳香鍵數(shù)目、分子氮含量、純度、旋轉(zhuǎn)常數(shù)等在內(nèi)的八個(gè)核心特征，最終在測(cè)試集上實(shí)現(xiàn)了 R? 為 0.46 的性能。

研究團(tuán)隊(duì)還探索了通過(guò)擴(kuò)展特征輸入來(lái)提升模型預(yù)測(cè)性能的可能性。實(shí)驗(yàn)增加了潤(rùn)濕性、光致發(fā)光量子產(chǎn)率（PLQY）以及時(shí)間分辨光致發(fā)光（TRPL）等特征?；诙嗳蝿?wù)高斯過(guò)程回歸模型（MTGPR）的分析顯示，PCE 與開(kāi)路電壓（Voc）、短路電流（Jsc）以及填充因子（FF）之間存在預(yù)期相關(guān)性，但擴(kuò)展特征未顯著提升 PCE 的預(yù)測(cè)精度。

通過(guò)上述研究，團(tuán)隊(duì)確認(rèn)了機(jī)器學(xué)習(xí)模型在新型分子發(fā)現(xiàn)中的潛力，并揭示了關(guān)鍵分子特征對(duì)性能預(yù)測(cè)的重要性。

研究團(tuán)隊(duì)進(jìn)一步從化學(xué)語(yǔ)言的角度出發(fā)，對(duì)機(jī)器學(xué)習(xí)（ML）結(jié)果進(jìn)行了解釋，以幫助化學(xué)家和材料科學(xué)家更清晰地理解這些發(fā)現(xiàn)，并深入開(kāi)展基于這些特征的分子設(shè)計(jì)。（1）HOMO 和叔胺的重要性。HOMO 對(duì)分子間界面的電荷提取至關(guān)重要，這一點(diǎn)已被廣泛認(rèn)可。叔胺結(jié)構(gòu)的顯著性往往被忽略，而研究發(fā)現(xiàn)它主要涉及三苯胺（TPA），由于其低電離勢(shì)，顯著提升了分子 HOMO 能級(jí)。（2）分子分類與性能模式。根據(jù) TPA 的位置，所有分子被分為三類：類型 I（無(wú) TPA）：HOMO 范圍 5.1-6.1 eV，對(duì)應(yīng) PCE 為 5%-14%；類型 II（TPA 位于分子外圍）：HOMO 范圍 4.3-5.2 eV，對(duì)應(yīng) PCE 為 13%-20%；類型 III（TPA 位于分子中心）：HOMO 范圍 4.9-5.7 eV，對(duì)應(yīng) PCE 為 15%-21%。這種分類不僅揭示了HOMO與PCE 之間的關(guān)系，還將候選分子數(shù)量從 9.6 x 105 縮減至 5.8x 103。（3）HOMO/LUMO 能級(jí)差與偶極矩的作用。TPA 與受體的結(jié)合確保了合適的能隙，異原子進(jìn)一步增強(qiáng)了鈣鈦礦的鈍化作用。通過(guò)這一步驟，候選分子數(shù)量進(jìn)一步減少至 4.6 x 102。

研究團(tuán)隊(duì)引入拓?fù)錁O性表面積（TPSA）作為構(gòu)建塊極性和吸電子能力的粗略指標(biāo)，便于通過(guò) PubChem 等數(shù)據(jù)庫(kù)快速查詢，無(wú)需進(jìn)行繁瑣的密度泛函理論（DFT）計(jì)算。

精細(xì)調(diào)控與分子性能優(yōu)化：（1）基于TPA+受體的調(diào)控。分子性能可通過(guò)邊緣取向等結(jié)構(gòu)特性進(jìn)行優(yōu)化，從而促進(jìn)鈍化和電荷傳輸。對(duì)比 5 種 B 位基團(tuán)的組合，研究發(fā)現(xiàn)微弱的對(duì)稱性破缺（如 A770 基團(tuán)）有助于提升器件性能。（2）進(jìn)一步縮減候選分子數(shù)量。通過(guò) TPA 和 B 位基團(tuán)的細(xì)致優(yōu)化，候選分子數(shù)量從 102 減少到 101，進(jìn)入高通量合成的可操作范圍。

圖6. 模型分析和由機(jī)器學(xué)習(xí)結(jié)果指導(dǎo)的分子設(shè)計(jì)規(guī)則

展望：數(shù)據(jù)驅(qū)動(dòng)的材料科學(xué)未來(lái)

高通量合成和AI的結(jié)合不僅提升了實(shí)驗(yàn)效率，更改變了材料設(shè)計(jì)的范式。未來(lái)，相關(guān)研究將進(jìn)一步擴(kuò)展到復(fù)雜功能性分子設(shè)計(jì)，例如探索抗輻射分子材料以應(yīng)對(duì)太空極端環(huán)境。這一閉環(huán)材料發(fā)現(xiàn)工作流展示了“實(shí)驗(yàn)+數(shù)據(jù)+AI”的強(qiáng)大潛力，為材料科學(xué)領(lǐng)域帶來(lái)了前所未有的機(jī)遇與創(chuàng)新方向。

Science, 2024, 386, 1256-1264, DOI: 10.1126/science.ads0901