黑龙江大学Chemical Science：机器学习辅助高通量筛选OLED阳极材料

本研究提出了一种结合高通量虚拟筛选与机器学习模型的目标驱动材料设计框架，用于加速新型透明OLED阳极材料的开发。研究构建了一个二维纳米材料功函预测模型(CatBoost)，其预测精度高，计算速度快，揭示了材料结构和组分特征对功函预测的重要作用。通过多条件组合筛选和密度泛函理论(DFT)计算，确认了一种性能优于传统OLED阳极材料氧化铟锡(ITO)的新型二维纳米材料——PS。该研究不仅深化了对二维纳米材料功函本质的理解，还为其他高性能纳米材料的开发提供了经济、高效的设计框架。