AI平台预测制备量子点薄膜最佳溶剂组合

韩国首尔大学研发AI平台，优化QLED制备工艺，效率翻倍寿命延长40倍

韩国首尔大学的研究团队近期取得重要进展——他们开发了一个基于人工智能的量子点发光二极管制备工艺设计平台。该平台能够反向设计量子点薄膜的制备条件，直接预测实现高性能薄膜所需的溶剂组合。实际应用后，QLED器件的效率提升了一倍，运行寿命延长了40多倍。

QLED，即用量子点作为发光层的显示技术，被业界视为下一代显示技术的重要候选。量子点可通过溶液加工方式制备，这意味着低成本、大面积制造成为可能。然而，在制造过程中，量子点颗粒需要在薄膜中排列整齐且紧密。溶剂的选择直接影响薄膜形貌，进而决定器件的亮度和寿命。

此前，预测不同溶剂条件对薄膜形貌和器件性能的影响几乎不可能。研究团队只能依赖传统经验和大量实验，逐一尝试。这种方法不仅耗时，研发成本也极高。

此次，研究团队采用新思路。他们先用5种代表性溶剂制备量子点薄膜，再利用原子力显微镜分析薄膜表面均匀性。随后，将溶剂的蒸气压、黏度、密度、介电常数等物理参数，连同薄膜形貌数据，输入机器学习模型。AI的任务是学习两者之间的复杂关系，并反向预测能够形成最佳量子点薄膜的溶剂条件。

AI给出的最佳条件，没有任何一种单一溶剂能完全满足。研究团队根据AI推荐参数，将多种溶剂混合，调配出符合要求的复杂溶剂体系，并用于实际QLED器件的制造。

结果令人印象深刻：与传统单一溶剂制造的器件相比，采用AI设计溶剂体系的QLED效率翻倍，运行寿命延长40多倍——这是显著的性能提升。

研究团队表示，这项成果证明了AI不仅能预测材料性能，还能直接参与显示器件制造工艺的设计。未来，该方法有望推广到OLED、有机太阳能电池等其他下一代电子器件的研发中。