概 述 

面向工程应用的发光材料改性设计

工业应用

精细化工品、运输与汽车制造

挑战

提供快速可靠的虚拟筛选技术

预测发光分子的关键性质

模拟工作

将更高水平的模拟与统计手段相结合

为发光分子的吸收波长预测开发关联模型

模拟结果

在半经验及常规ASPR描述符的基础上开发出关联模型。通过结合不同来源的描述符，

在计算增加量可忽略不记的同时显著改善了预测精度。

 类 型 

工业

电子器件

精细化工品

软件

Quantum

   MNDO

Engineering

   MAPS

 QSAR

性质

吸收光谱

发光光谱

应用

分析

OLED材料

半导体

发光或吸收体系（分子、聚合物、材料）在工业上具有广泛应用：从化学传感器（应用于分析化学或生物化学领域）到手机、电视、笔记本、汽车及公共交通领域使用的有机发光二级管（OLED）设备等都有体现。据预测，仅OLED市场在接下来几年的增长将超过15%。为满足目前对生产先进显示设备的需求，工业界正面临着诸如高可读性、低功耗、灵活性和运行稳定性等方面的挑战。

挑战

光吸收谱或发光谱是发光/吸收材料的应用及性能的关键性质之一。精确预测分子的紫外吸收光谱对设计开发新型分子极为关键。虚拟筛选方法对此极具应用价值。预测使用的方法需便宜、快速、自动化且可靠。通过模拟可显著降低开发成本、将开发范围缩小至可能性最大的潜在材料组。

模拟工作

在本研究案例中，利用由40个荧光基团和多环芳烃分子组成的数据集开发预测第一吸收波长的关联模型。利用MAPS建模工具构建化合物3D模型。利用半经验方法进行结构优化。为开发关联模型，分子特征，也被称为描述符，利用MAPS的MNDO模块及MAPS的QSPR模块通过半经验从头算法计算获取。为减少最终模型中描述符的数量使用了遗传算法及模型优化法。

Figure 1：典型示例——图中所示为训练集分子2，5-二苯基恶唑的3D结构

模拟结果

将半经验量子力学（SE-QM）方法与定量结构性质关系（QSPR）结合用于预测有潜在应用价值的荧光基团或OLED分子的关键性质。与利用单一方法相比该混合方法能够提高预测性能，即QSPR或SE-QM，且不会显著增加计算耗时。

所展示的方法可被广泛应用并显示出如何能够在计算增加成本可忽略不计的前提下对纯粹基于QSPR的模型加以丰富和优化。

Figure 2：关联曲线

MAPS 材料及化工过程设计平台是集多款优秀的第三方材料设计软件的、多尺度、可扩展的平台；可应用于从量子化学计算到中尺度计算。MAPS包括友好的图形用户界面供用户建模、方便分析计算结果。 MAPS适合描述含能材料、离子液体、高分子材料、合金材料、复合材料、电池材料等性质。MAPS软件拥有：（一）建模功能（二）分析功能。

MNDO：用于研究化学反应、结构、电子和其他分子性质的半经验量子包。能快速计算总能量，电荷密度，结构，电子，光学，热力学和许多其他性质，以及不同水平的近似，如MNDO，MNDO/C，MNDO/d，MNDO/3，CNDO/2，AM1，PM3，OM1和OM2。

QSAR：用PADEL或ALVADESC计算数千个描述符，从数千个分子描述符中建立定量构效关系（QSAR/QSPR），以描述生物活性或经验分子性质。