【CCL文章Twitter关注过万】吉林大学邹陆一教授团队：数据驱动MR-TADF材料的分子生成与高效筛选

本文由吉林大学邹陆一教授团队发表于《Chinese Chemical Letters》。背景：传统“试错”式研发MR-TADF材料成本高、周期长，且该类材料光物理过程对分子结构高度敏感、机理复杂。研究目的：开发一套集数据获取、分子生成与性能预测于一体的智能框架，实现MR-TADF材料的系统化与定向化设计，以满足高分辨显示器对色纯度的需求。结论：研究基于大语言模型文献挖掘与化学结构识别构建了MR585数据集，结合Transformer-VAE与机器学习模型，实现了对关键参数ΔEST和FWHM的快速预测与高效筛选。获得了15个与训练集化学空间差异显著的候选分子，其ΔEST为0.13-0.33 eV，FWHM为26.2-46.6 nm。理论计算表明，两种含硫BCzBN衍生物在自旋-轨道耦合、反系间窜越速率及效率滚降方面优于BCzBN，证实了生成结构的性能优化潜力。该工作初步建立了MR-TADF材料的一体化智能设计平台，为发展高性能窄谱发射材料提供了新路径。