定位城市:

oled是现在屏幕的所需产业趋势，而领导这一研究的化学和生物化学教授Alán Aspuru-Guzik说，「人们一度相信有机发光分子的种类只限于分子空间的小部分区域。但通过开发一个复杂的分子生成器，使用前沿的机器学习技术，并利用实验学家的专业知识，我们发现了大量的高性能蓝光OLED材料。」

这一研究已经发表到了这一期的Nature Materials上。

OLED制造成本最大的挑战是发出蓝光。

如同LCD，OLED依靠绿、红、蓝子像素在屏幕上产生各种颜色。但一直很难找到能够有效发出蓝光的有机分子。为了改进功效，OLED生产商创造出了带有铱这样昂贵的过渡金属的有机金属分子，凭借磷光现象（phosphorescence）增强分子。这一解决方法非常昂贵，且还不能实现稳定的蓝光。

Aspuru-Guzik和他的团队想要使用完全的有机分子取代这些有机金属化合物系统。

首先，他们建立了一个拥有超过160万种候选分子的库。然后，为了收缩这一范围，哈佛大学保尔森工程与应用科学学院（Harvard John A.Paulson School of Engineering and Applied Sciences）由计算机科学助理教授Ryan Adams带领的一组研究团队开发了新型的机器学习算法来预测哪种分子更有可能产生好结果，并优先考虑对这些分子进行虚拟测试。这有效将搜索的计算成本至少减少了十倍。

本篇论文的作者之一、Adam实验室的博士后研究者David Duvenaud说：「这是化学与机器学习之间的自然结合。因为我们的化学设计流程的早期阶段有数百万个候选项，用人力进行评估与优先级划分是不可能。所以基于已经评估过的分子，我们使用神经网络来快速划分候选分子。」

Adam说，「机器学习工具正在日趋成熟，我们看到它们已经开始被用于大量的科学领域。这一协作是促进计算机科学领域内前沿科技的美好机遇，同时也能促进开发有众多实际应用的全新材料。看到这些设计能从机器学习预测变成人们可以拿在手中的设备，真是令人满足啊。」

该论文的第一作者、Aspuru-Guzik的实验室的博士后研究者Rafael Gómez-Bombarelli说，「我们能够以一种真正具有预测性的方式建模这些分子。我们能从一个简单的量子化学计算中预测分子的颜色和亮度，计算每一种分子大约需要12个小时。我们为化学空间建立了图表，并通过进行虚拟实验来寻找分子所能做到的极限。」

Aspuru-Guzik说，「分子就像是运动员。找到赛跑运动员很容易，找到游泳运动员、自行车赛车手也很容易，但找到兼三者于一身的运动员不容易。我们的分子需要是三项全能的运动员，它们需要是蓝色、稳定且明亮的。」