基于集成机器学习方法预测磷光铂(II)配合物的光物理性质
机器学习
2023-01-16 v1 化学物理
摘要
磷光金属配合物作为高能效有机发光二极管（OLED）的发光掺杂剂，一直受到广泛研究。其中，环金属化Pt(II)配合物是应用广泛的颜色可调三重态发射体。为了使其作为OLED发射体得到实际应用，迫切需要开发具有高辐射衰变速率常数（）和光致发光（PL）量子产率的Pt(II)配合物。因此，一个高效且准确的预测工具非常必要。在此，我们基于第一性原理量子力学方法、机器学习（ML）和实验校准的结合，开发了一个用于准确预测磷光Pt(II)发射体的发射波长、辐射衰变速率常数和PL量子产率的通用协议。我们构建了一个关于磷光Pt(II)发射体的新数据集，其中包含从文献中收集的两百多个样本。选择了包含配合物相关电子性质的特征。我们的结果表明，结合了堆叠方法的集成学习模型表现出最佳性能，其中对于发射波长预测，决定系数（）、平均绝对误差（MAE）和均方根误差（RMSE）的值分别为0.96、7.21 nm和13.00 nm；对于PL量子产率预测，分别为0.81、0.11和0.15。对于辐射衰变速率常数（），得到的值为0.67，而MAE和RMSE分别为0.21和0.25（均为对数尺度）。该协议的准确性通过24个最近报道的Pt(II)配合物得到了进一步证实，证明了其对广泛的Pt(II)发射体具有可靠性。我们期望该协议能成为一个有价值的工具，加速具有所需性质的新型OLED材料的理性设计。
引用
@article{arxiv.2301.05639,
title = {Predictions of photophysical properties of phosphorescent platinum(II) complexes based on ensemble machine learning approach},
author = {Shuai Wang and ChiYung Yam and Shuguang Chen and Lihong Hu and Liping Li and Faan-Fung Hung and Jiaqi Fan and Chi-Ming Che and GuanHua Chen},
journal= {arXiv preprint arXiv:2301.05639},
year = {2023}
}