.png){kind=icon}
返回
Machine Learning for Organic Fluorescent Materials
.png){kind=icon}
OA
AI
DOI：10.1002/agt2.70089.png)
.png){kind=icon}
.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
有机荧光材料（OFMs），以其独特的分子结构和优异的光学特性，已在生物成像、传感器和显示技术等多种应用中展现出巨大潜力。然而，传统有机荧光材料设计依赖化学家的直觉与经验，加之荧光检测和密度泛函理论（DFT）计算等常规方法的高成本及缺乏可扩展性，使得该领域难以跟上快速发展的步伐。机器学习（ML）的兴起引入了变革性可能，使其能够以数据驱动的方式探索分子结构与荧光性质之间的复杂关系。本文综述了机器学习在有机荧光材料创新设计中的应用，重点阐述了建模流程、光学性质预测及有机荧光材料设计的工作流程。同时，本文探讨了数据整理和特征工程在提升模型性能中的关键作用。我们的综述概述了常用模型并评估了其有效性。我们批判性地审视了数据库构建、模型可解释性和泛化能力等关键挑战，试图提供一个全面框架，以促进机器学习在有机荧光材料研究中的整合，进而推动下一代材料的发展。
Keyword:
aggregation-induced emission
database construction
density functional theory
machine learning
organic fluorescent materials
AI总结
对已上传原文的论文进行重点信息的提取，主要内容包括：简要概述、研究摘要、背景介绍、关键亮点、图文解析、展望与总结。
期刊
IF:
13.7
论文数:
938
被引数:
5.8K
机构
引用论文
Carr, A. (2000). Research update: Evidence-based practice in family therapy and systemic consultation. II. Adult focused problems. Journal of Family Therapy, 22(3), 273–295. https://doi.org/10.1111/1467-6427.00152 (Open in a new window)Web of Science ®(Open in a new window)Google ScholarCarr, A. (2000). 研究进展：家庭治疗和系统咨询中的循证实践。II. 成人相关问题。家庭治疗杂志, 22(3), 273–295. https://doi.org/10.1111/1467-6427.00152 (在新窗口中打开)Web of Science ®(在新窗口中打开)Google Scholar.png)
IF0
PREAI
分享收藏分享收藏Molecular generative model based on conditional variational autoencoder for de novo molecular designOAAI
OAAI分享收藏Development of organic aggregation-induced emission fluorescent materials based on machine learning models and experimental validation基于机器学习模型的有机聚集诱导发光荧光材料研制及实验验证
PREAI
分享收藏Design of efficient molecular organic light-emitting diodes by a high-throughput virtual screening and experimental approach通过高通量虚拟筛选和实验方法设计高效分子有机发光二极管NATURE MATERIALS
NATURE MATERIALSIF38.5
PREAI
分享收藏
Efficient electrocatalytic acetylene semihydrogenation by electron-rich metal sites in N-heterocyclic carbene metal complexesNATURE COMMUNICATIONSOAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏
查看更多内容