北大团队《自然·通讯》：开发物理知识迁移学习模型，精准设计高性能有机电化学晶体管材料

背景：在人工智能驱动材料科学的背景下，新兴材料体系如有机电化学晶体管（OECT）面临实验数据稀缺和物理机制不完善的挑战，而传统有机场效应晶体管（OFET）领域则拥有成熟的理论和丰富数据。研究目的：北京大学雷霆教授、莫凡洋副教授课题组旨在开发一种物理知识支撑的迁移学习（PKU-TL）模型，以在数据稀缺条件下精准预测共轭聚合物性能，并设计高性能、超低电压的n型OECT材料。结论：该研究成功构建了PKU-TL框架，实现了对OECT关键性能指标（如载流子迁移率和阈值电压）的高精度预测（R²超过0.95），并从中提炼出新的材料设计原则，如最小化构筑基元能级差以促进极化子离域化，从而提升载流子迁移率。实验验证中，合成的BDOPV聚合物P3表现出优异的性能（μeC*值达63.5 F cm⁻¹ V⁻¹ s⁻¹，Vth低至-0.08 V），超越了现有成果。该框架为数据稀缺的新兴材料开发提供了可推广的范式。