北京
这并非幻想，而是一次精密的化学计算。据Phys.org报道，一支研究团队利用人工智能模型，在量子点材料的化学配比空间中找到了全新合成路径。与此前的配方相比，新方案让QLED的发光效率直接翻倍，同时将材料使用寿命延长到原来的40倍。
这组数据之所以重要，是因为它同时打破了一个经典的此消彼长关系。在光电器件里，高效率和长寿命往往像跷跷板的两端，提升一端通常意味着牺牲另一端。但这次的AI方案发现了一种能让两者同步跃升的化学组合，这早已超出渐进式优化的范畴，更像是对材料瓶颈的精确爆破。
要理解这项突破的分量，需要回到量子点本身。这些尺寸只有几纳米的半导体晶体，其发光颜色完全由尺寸决定，晶体越小，发出的光就越偏向蓝色，这一发现奠定了2023年诺贝尔化学奖的基础。在显示技术领域，有必要分清两种截然不同的QLED。一种是三星自2015年起商业推广的QLED电视，它本质上仍属于液晶面板，只是利用量子点光致发光特性来提升背光系统的色彩纯度。
此次AI攻克的，是另一种电致发光QLED技术路线。在这种结构里，量子点直接通过电流驱动发光，原理上更接近OLED，但发光材料从有机分子换成了无机半导体晶体。这条路线在三星、京东方以及多所高校的实验室中已被钻研十余年，始终卡在一个核心矛盾上：初始亮度很高，但衰减极快，难以满足消费级产品对寿命的要求。
研究团队这次的思路，是让AI扮演材料探索的导航员。他们采用了主动学习策略，由算法模型提出可能有效的化学成分组合，包括核壳结构、配体类型以及前驱体比例。随后，实验室对AI的候选配方进行实际合成与测量，将得到的发光效率和寿命数据反馈给模型。通过这种“提出-验证-反馈”的闭环，AI在庞大的化学空间中迅速锁定最优解。评价标准也十分明确，效率看外量子效率，寿命则记录亮度衰减至初始值一半所需的时间。
这一成果呼应了近年来人工智能加速材料发现的趋势。就在2023年，谷歌DeepMind的GNoME模型曾一次性预测出38万种稳定材料。当然，从实验室里一颗高效长寿的像素点到可量产的商业面板，中间还横着制造工艺放大的鸿沟。AI找到了化学反应的最佳配方，但如何让这种配方在流水线上高良率地均匀铺满整块玻璃基板，是留给工程端的下一个难题。
特别声明：以上内容(如有图片或视频亦包括在内)为自媒体平台“网易号”用户上传并发布，本平台仅提供信息存储服务。
Notice: The content above (including the pictures and videos if any) is uploaded and posted by a user of NetEase Hao, which is a social media platform and only provides information storage services.
