LiveDesign 有機エレクトロニクス向け

概要

ワンクリックで、高性能な分子・薄膜シミュレーションや機械学習ワークフローを利用可能

• 自動化されたワークフローを活用し、ワンクリックで材料の光電子特性を正確に予測
• 統合された機械学習技術を活用した大規模な物件スクリーニングにより、広大な化合物空間 を探索しましょう

サードパーティのデータやスクリプトとのプラグアンドプレイ機能により、効率的なデータ管理と処理を実現

• ELN／データベースから実験データを自動的に取り込む
• Python、bash、Perl など、サードパーティ製または自社開発のプログラムやスクリプトと連携できます。
• フォームビューを通じて、複雑なデータセットを柔軟に可視化できるようにする

材料化学およびデバイスデータのリアルタイム共同管理

• チームやパートナー間で大規模な化学データを安全かつ即座に共有し、コラボレーションを促進し、イノベーションを後押しし、意思決定の質向上を支援します

材料化学とデバイス性能の直感的な可視化

• 実験データまたはコンピュータシミュレーションデータを用いて、デバイスの構成を可視化する
• デバイスのアーキテクチャと性能に関する知見を得て、意思決定プロセスを迅速化し、研究開発のスケジュールを前倒しする

事例研究： LIVEDESIGN を活用して、より優れた有機エレクトロニクスを迅速に設計する

使いやすい自動化ワークフローを用いた、QLED用正孔輸送材料の高スループットスクリーニング

溶液プロセスによるコロイド量子ドット発光ダイオード（QLED）は、光電子応用分野において大きな注目を集めている。しかし、QLEDデバイスの普及には大きな障壁が存在する。 一般的に使用される量子ドット（QD）と従来の正孔輸送材料（HTM）との間のエネルギー準位の不一致は、発光層（EML）内の電荷キャリアの不均衡を引き起こし、その結果、OLEDデバイスの効率低下を招く。本研究では、約9,000の候補物質からなる広範な材料ライブラリ に対し、高スループット密度汎関数理論（DFT ）計算を行い、深いHOMO準位を特徴とする有望な材料同定 を特定した。

Schrödingerの「LiveDesign 」は、あらゆる規模の材料ライブラリに対して高スループットの量子力学計算を行い、その光電子特性を予測することを可能にします。ワンクリックでシミュレーションを実行できるため、軌道エネルギーや再編成エネルギーといった主要な電子特性を、物理モデルに基づいて自動的に推定できます。既知の分子化合物群について、DFT による予測値から得られたHOMOエネルギーを実験測定値と比較したところ、良好な一致（R²=0.93）が確認され、DFT 法が有効であることが実証されました。これにより、軌道エネルギーの堅牢かつ正確な予測が保証されます。

For high-throughput screening of the 9,000 compound library, we employed an automated workflow available in LiveDesign. First, we selected the compounds with hole reorganization energies less than 0.2 eV, see upper-right plot in Figure 1. Next, LiveDesign enables narrowing down our materials search further to those with a deep HOMO level (< -6.4 eV), and high LUMO level (> -3.0 eV), see lower-right plot in Figure 1. We search for materials with LUMO levels higher than -3.0 eV to ensure a significant energy mismatch with the conduction band of QDs (−4.0 eV), blocking electron injection from the light-emitting layer to the HTM. The chemical structures and properties of the top candidates are shown in the left panel in Figure 1.

複雑なデータセットを柔軟に可視化することで、ビッグデータの高速処理が可能となり、後処理による調査やさらなる実験に向けた有望な候補の特定と選定が加速されます。LiveDesign は、多パラメータ分析機能により、上位の候補を迅速に絞り込み、求める特性にぴったり合った候補を発見することを可能にします。

事例研究： LIVEDESIGN を活用して、より優れた有機エレクトロニクスを迅速に設計する

熱活性化遅延蛍光（TADF）発光体の迅速なスクリーニングのための機械学習

TADF emitters are a promising class of molecules for achieving high quantum efficiencies in OLEDs. In such emitters, the energetic separation between the S₁ and T₁ excited states (ΔE_ST) needs to be small (< 0.2 eV), which allows reverse intersystem crossing to up-convert the T₁ state to the emissive S₁ state. Tuning ΔE_ST allows for higher efficiency light emission in the form of delayed fluorescence.

一連のTADF分子の実験データをLiveDesign にインポートし、統合された機械学習ワークフローを用いて、定量的構造-特性相関（QSPR）モデルを構築しました。その後、この機械学習モデルを用いて、上記のケーススタディで使用された9,000分子のライブラリ について、_ΔESTを予測しました。

After plotting the distribution of predicted ΔE_ST for the compounds (Figure 2, right plot), we selected the ones with ΔE_ST < 0.2. The corresponding material structures and properties are shown on the left side.

このケーススタディは、_ΔESTを迅速に推定するために機械学習モデルを活用する方法に焦点を当てた詳細な考察を提供していますが、あくまで一例に過ぎません。このプラットフォームは、多様な材料クラスや幅広い用途に合わせてシームレスにカスタマイズできるよう設計されており、数多くの科学的・産業的課題に対処する上での適応性と汎用性を示しています。

事例研究： LIVEDESIGN を活用して、より優れた有機エレクトロニクスを迅速に設計する

アイデア創出のためのOLEDデバイスの可視化構造

電子デバイスの効率および総合的な性能は、キャリア注入、電荷移動度、デバイス構造など、さまざまな要因の影響を受けます。具体的には、高効率OLEDでは、正孔注入・輸送層（HIL/HTL）、発光層（EML）、および電子注入・輸送層（EIL/ETL）から構成される多層デバイス構造 が採用されています。 このような多層デバイスは、層間のキャリア注入障壁を最小限に抑えることを重要な基準とし、適切な分子軌道エネルギー準位および励起状態エネルギーを持つ材料の使用を必要とするため、深刻な課題となっている。

Schrödingerの「LiveDesign 」を使用することで、最先端のシミュレーション手法を活用し、層の厚さ、軌道準位、ドーパント濃度、励起状態エネルギーを考慮して、潜在的なデバイスの構成を調査することが可能になります。図3に示すように、我々はさまざまなOLED材料のデータ（実験値またはシミュレーションによる特性）を用いて、層間のエネルギーミスマッチを迅速にスクリーニングするためのOLEDデバイス構造の候補を可視化しました。 エネルギー準位の不整合はOLEDデバイスにおいて重要な要素であり、発光層における電荷再結合や、デバイスの発色や分子間エネルギー移動の可能性を決定づける構成要素の励起状態エネルギーに影響を与えます。LiveDesign におけるこのアプローチにより、科学者たちは情報を迅速に共有し、効率的に議論を行い、より高性能な次世代OLEDの設計に向けた次のステップへと進むことが可能になります。