HyperAIHyperAI

Command Palette

Search for a command to run...

L'IA optimise les QLED : efficacité doublée, durée x40

Une équipe de chercheurs menée par les professeurs Jeonghun Kwak de l'Université nationale de Séoul et Jaehoon Lim de l'Université Sungkyunkwan a développé une plateforme d'intelligence artificielle capable d'optimiser la fabrication des écrans à diodes électroluminescentes à boîtes quantiques, ou QLED. Cette technologie répond à un obstacle majeur du domaine : obtenir un dépôt uniforme et dense des nanocristaux semi-conducteurs nécessaires à une haute performance. La production des QLED utilise traditionnellement un procédé en solution où la qualité du film émetteur dépend crucialement du solvant employé. Un choix inadapté entraîne une répartition irrégulière des nanocristaux, pénalisant directement la luminosité et la longévité des dispositifs. Historiquement, les laboratoires devaient multiplier les expérimentations manuelles pour identifier les paramètres optimaux, une démarche longue et coûteuse. Pour rationaliser ce processus, l'équipe a entraîné un modèle d'apprentissage automatique en croisant les propriétés physiques des solvants, telles que leur viscosité, leur densité ou leur constante diélectrique, avec la morphologie précise des films obtenue par microscopie à force atomique. Le système est ainsi capable de déterminer inversement la composition exacte requise pour garantir un empilement parfait des boîtes quantiques. Face à l'absence d'un solvant unique réunissant toutes les propriétés idéales prédites par l'IA, les ingénieurs ont formulé un mélange complexe de plusieurs liquides. Intégré à une ligne de fabrication réelle, ce protocole a permis d'atteindre une efficacité énergétique deux fois supérieure et de multiplier par plus de quarante la durée de vie opérationnelle des dispositifs par rapport aux procédés standards. Ces travaux, publiés le 15 juillet dans la revue Reports on Progress in Physics, illustrent le passage d'une R&D empirique à une conception de matériaux pilotée par les données. Les chercheurs prévoient d'adapter cette architecture logicielle à d'autres secteurs, notamment les OLED et le photovoltaïque, afin d'accélérer le développement de dispositifs électroniques et photovoltaïques de nouvelle génération.

Liens associés