近日，首尔大学工程学院郑俊赫教授与成均馆大学林在浚教授联合团队成功开发出一种基于人工智能的量子点发光二极管工艺设计平台，显著突破传统研发瓶颈。该研究于7月15日在线发表于国际物理权威期刊进展物理报告。量子点发光二极管凭借溶液法制备工艺在低成本大面积显示领域潜力巨大，但其核心难点在于活性层的均匀致密排列高度依赖溶剂选择。传统方法需耗费大量时间与资金进行试错。为此，研究团队利用原子力显微镜量化不同溶剂成膜效果，训练机器学习模型建立溶剂物理属性与薄膜形貌的映射关系，实现了对最优溶剂条件的逆向预测。由于单一溶剂难以完全匹配算法预测参数，团队通过科学调配多种溶剂，成功还原了人工智能推荐的最佳成膜环境。实测表明，采用该优化工艺制备的器件发光效率实现翻倍，工作寿命更是较传统工艺延长逾四十倍。该成果为显示材料研发提供了数据驱动的新范式，团队表示该技术可进一步拓展至有机发光二极管及太阳能电池等下一代电子器件的工艺优化，有望大幅加速相关产业的迭代进程。