EO_503

EO LIGHTING - GIUGNO/LUGLIO 2022 XIX OLED AI Il vantaggio legato all’utilizzo di nuove tecnologie quali ad esempio l’intelligenza artificiale e l’apprendimento auto- matico è legato alla possibilità di effettuare lo screening di milioni di possibili molecole e sistemi in modo rapido ed efficiente. Tutti coloro impegnati nel campo della scienza dei materiali possono quindi scegliere i candidati più pro- mettenti ed effettuare sintesi ed esperimenti per valutare il funzionamento nei dispositivi OLED reali. Il motivo principale alla base dell’adozione dei sistemi di intelligenza artificiale e delle simulazioni dimassa è ridur- re drasticamente il tempo richiesto dai metodi tradiziona- li per effettuare la sintesi e il test di un singolo materiale: in alcuni casi sono necessari parecchi mesi per completare l’intero ciclo. Per questo motivo non è possibile effettuare questi esperimenti su scala massiccia anche per le aziende di maggiori dimensioni e non solo per le start-up. Uno sguardo al mercato Negli ultimi anni un certo numero di aziende ha annun- ciato questo tipo di approccio per effettuare lo screening dei materiali. Cynora , ad esempio, sfrutta una piattaforma AI denominata GEM (Generative Exploration Model) che gli esperti della società utilizzano per lo sviluppo di nuovi materiali. Questo tool basato sull’intelligenza artificiale AI e apprendimento automatico accelerano la ricercadeimateriali OLED della prossima generazione Alessandro Nobile Negli ultimi anni si è assistito a un’accelerazione dello sviluppo dei materiali OLED, resa possibile dall’adozione di tool software che sfruttano l’intelligenza artificiale e l’apprendimento automatico. Si tratta di un approccio che contribuisce a migliorare l’efficienza, la luminosità e la durata degli OLED adatta un algoritmo evolutivo e modifica le molecole in modo iterativo finché non vengono ottenute le proprietà desiderate. GEM scansiona l’universo delle molecole e ge- nera decine di migliaia di molecole durante ciascuna ese- cuzione. In abbinamento con modelli di apprendimento automatico accurati e ad alte prestazioni utilizzati per la stima delle proprietà delle molecole a partire alla struttu- ra molecolare, GEM è in grado di identificare le molecole più promettenti nell’arco di pochi minuti. Un approccio simile è adottato da Kebotix : l’azienda sta- tunitense ha sviluppato una tecnologia di screeningmole- colare per identificare nuovi emettitori OLED blue. La giapponese Kyulux poco dopo la sua costituzione, av- venuta nel 2015, ha ottenuto in licenza il sistema di ma- chine learning “Molecular Space Shuttle” dell’Università di Harvard. Frutto di una combinazione tra chimica speri- mentale e teorica, apprendimento automatico o chemoin- formatica, questo sistema è stato sviluppato allo scopo di individuare in tempi brevi molecole OLED. In effetti il sistema ha aiutato i ricercatori di Kyulux ad ac- celerare le il processo di ricerca di nuovi materiali. Secon- do la società, il ciclo di sviluppo è stato ridotto da parecchi a soli due mesi. Fig. 1 – Schema del sistema Kyumatic