米乐m6官方网站（以下简称“AIST”），材料测量标准研究部，纳米材料结构分析研究组细贝卓也，研究组副研究员（东京理科大学研究生院副教授），古村美纪，研究助理（东京理科大学理工学院研究生院硕士二年级学生），首席研究员永宗泰（当时）研究）和东京理科大学理工学院先进化学系副教授 Yasuo Nakayama 正在开发用于有机 EL 显示器的下一代发光材料热激活延迟荧光材料（以下简称“TADF材料”）瞬态发光数据'')的方法。
使用独特开发的设备，我们成功测量了分析 TADF 材料所需的各种强度和时间的发光信号。这使得传统的单光子计数法进行了大约3小时的测量缩短至3秒。该方法使得可以获得大量瞬态发光数据，包括TADF材料，这是使用传统方法无法测量的。利用这些数据深度学习的高性能TADF材料的新设计方法。
该技术的详细信息将于 2023 年 3 月 21 日（英国时间）公布。材料化学杂志C
TADF材质为铱等稀有金属即可以100%的效率发光，全世界正在对其进行研究和开发。 TADF材料的开发一般基于经验或计算机计算。然而，TADF材料的预测发光性能差异很大，使得开发所需的材料变得困难。与此同时，自2016年左右以来，利用深度学习的TADF材料的开发一直在取得进展。然而，即使进行深度学习，表征TADF材料的瞬态发射数据量也不足，这阻碍了高性能TADF材料的开发。
AIST一直在开发各种分析方法来分析TADF材料的发光现象，作为其中的一部分，我们阐明了TADF材料的发光机制的细节。2017 年 5 月 11 日和2019 年 9 月 3 日 AIST 新闻稿）。通过构建针对 TADF 材料发光特性的独特测量系统，我们能够将测量 TADF 材料瞬态发光数据所需的时间从使用传统方法的几个小时缩短到几秒钟。
这项研究和开发得到了日本学术振兴会科学研究补助金（JP18H03902 和 JP22H02055）的支持。此外，我们在本研究中使用了 AIST 的 AI Bridging Cloud (ABCI) 进行深度学习。
10110_10632限压放大器如图2所示，我们准备了用于瞬时荧光的高速检测器①、可同时测量瞬时荧光和延迟荧光的中速检测器②以及仅可测量延迟荧光的高灵敏度慢速检测器③，并开发了一种通过电机自动切换这些检测器的装置。通过创建一个结合每个探测器测量的数据的程序，我们能够获得从亚纳秒（01纳秒）到超过毫秒的较宽时间范围内的瞬态发光数据，以及超过七个数量级的强度范围。
图1 TADF材料的发光机理（左）和瞬态发光数据示意图（右）
图2 使用所开发的设备获取瞬态发光数据的概念图
*原始论文中的数字被引用或修改。
结果，当我们尽可能匹配测量条件，并将测量所需的时间与传统的单光子计数方法和开发的方法进行比较时，我们可以使用该设备在短短 3 秒内获得测量结果，而传统方法大约需要 3 小时。此外，如图3所示，通过能够测量比传统方法超过三个数量级的光强度范围，我们发现以前被认为只是荧光材料的材料实际上是一种发射延迟荧光的TADF材料，尽管它非常弱。
作为本研究的又一尝试，我们验证了用该设备获得的TADF材料瞬态发射数据在深度学习中的应用。当我们测量27种TADF材料的瞬态发射数据并有意向这2700条数据添加噪声时，我们训练了27种分子之间的键，所有数据都被正确识别，准确率超过99%。常规TADF材料的开发速率常数，通过将假设纳入瞬态发射数据分析中获得的TADF材料的物理属性值，已被用于深度学习，但该结果表明瞬态发射数据，即关于发光本身行为的数据，可以直接用于深度学习。也就是说，不仅可以快速获得瞬态发射数据，还可以直接应用于深度学习，并且可测量的TADF材料品种和发射强度扩大了10倍以上，使得根据应用类型进行TADF材料的实用材料设计成为可能。
图3 使用该装置获得的发出非常微弱延迟荧光的TADF材料的瞬态发光数据
右下是本研究中通过测量观察到TADF的材料的分子结构
*原始论文中的数字被引用或修改。
通过收集有关 TADF 材料的高质量大数据，我们将利用深度学习开发具有所需特性的 TADF 材料。人们已经做出了一些努力来创建实验值和预测值之间具有极高相关性的深度学习模型。我们还旨在改进该设备，开发出一种可以自动测量各种数据的设备，包括样品制备和瞬态发光。未来，我们的目标不仅是为有机EL显示器的低成本化和资源节约做出贡献，还将其应用于光催化剂、发光材料等各种有机发光材料的开发。
已出版的杂志：材料化学杂志 C
论文标题：用于热激活延迟荧光材料深度学习的高通量瞬态光致发光光谱仪
作者：Minori Furukori、Yasushi Nagamune、Yasuo Nakayama 和 Takuya Hosokai*
DOI：https://doiorg/101039/d3tc00482a