【Angew.Chem.】无硼、超窄，靠机器学习从两万种分子中找出蓝光OLED材料#

为解决窄带蓝光OLED材料依赖难合成的含硼结构这一难题，研究者利用图神经网络结合高精度量子化学计算，从1.9万余种咔唑类稠环芳烃中筛选并合成了两种无硼发光分子。实验表明，新分子的发射半峰宽低至17–19 nm，器件最大外量子效率达到35.2%，色坐标贴近Rec. 2020纯蓝标准，证实了无硼窄带蓝光发光材料的可行性。

超高清显示背后的蓝光难题与无硼材料的性能瓶颈#

超高清显示屏为了实现Rec. 2020色域标准，需要极高色彩纯度的发光材料，这要求发光光谱的半峰宽尽量控制在30 nm以内。多重共振热激活延迟荧光（MR-TADF）材料因为能在不含贵金属的前提下实现高效率和窄带发光，成为了该领域的核心方向之一。但是，目前大多数高性能窄带蓝光材料的分子骨架里都含有硼元素。这类含硼化合物的合成路线往往比较复杂，且反应条件相对苛刻，这制约了材料的规模化生产与应用。

为了避开含硼分子的合成难题，研究者尝试开发无硼的咔唑类稠环芳烃材料。这类只由碳、氢、氮构成的刚性稠环结构可以通过成熟的交叉偶联和氧化脱氢反应来构建，合成难度明显降低。然而，无硼咔唑类材料在光物理性能上存在一个难以克服的瓶颈：大部分已报道的分子具有较大的单重态-三重态能级差（ $\Delta E_{ST} > 0.3 \text{ eV}$ ）。过大的能级差会抑制热激活延迟荧光过程中的反向系间跨跃速率，进而降低器件的电光转换效率。如果直接通过人工凭经验去合成尝试，很难在保证高色彩纯度的同时将 $\Delta E_{ST}$ 压低到理想范围内。因此，如何在庞大的无硼稠环化学空间中精准定位出兼具小能级差和窄带蓝光特性的目标分子，成为了该领域亟待解决的核心难题。

Workflow for discovery of boron-free TADF emitters and overview of the Cz-PAH design space. (a) (1) Enumeration. Recursive 5/6-ring fusion yields 13-ring PAH skeletons; Cz-eligible and symmetric scaffolds are retained; nitrogen is introduced; only Kekulé-assignable scaffolds are kept, producing a SMILES archive (n = 19 518). (2) Quantum-chemical labeling. From SMILES, geometries are prepared and optimized; photophysical labels—fluorescence energy (_λ_em, TDDFT) and singlet–triplet gap (Δ_E_ST, SCS-CC2)—are computed at S1-optimized geometries, yielding the reference dataset (n = 1000; 944 converged). (3) GNN training/inference. The converged subset (n = 944) with geometries and labels is used to train the GNN (M3GNet); the trained model predicts _λ_em and Δ_E_ST for the remaining 17 433 structures. (b) Substructure statistics. Distributions of carbazole (Cz) and indolo[3,2,1-jk]carbazole (ICz) counts per molecule across the enumerated library.#

从枚举十三环化学空间到用图神经网络预测量子化学特征#

面对数以万计的潜在分子结构，传统逐一合成或高精度量子化学计算的方式成本过高。研究者选择将寻找范围限定在具有13个环的咔唑类稠环芳烃上。选定13个环是一种折中考虑：环数过少的结构光学带隙偏宽，容易导致发光偏向近紫外区；而环数过多的结构分子量过大，会导致溶解度和升华净化能力下降，给器件制备带来困难。13环的刚性骨架既能提供足够的刚性来抑制结构弛豫、维持窄带发光，又能兼顾溶解与升华加工性能。

基于这一限定，研究者首先利用计算机穷举递归合成了所有符合对称性和对称咔唑单元接入规则的化学结构，构建出了包含19,518个独立分子的无硼稠环化学空间数据库。随后，研究者从中随机抽取了1000个分子，利用TDDFT和SCS-CC2这两个高精度量子化学计算方法，计算出它们在第一单重态（ $S_1$ ）优化构型下的发射波长以及单重态-三重态能级差，最终成功获得了944个分子的高精度物理标定数据。

Reference property distributions and GNN predictive performance. (a) TDDFT _λ_em and SCS-CC2 Δ_E_ST distributions for the computed subset (n = 944). _λ_em is unimodal (mean 2.27 eV, SD 0.64 eV; range 0.36–3.33 eV). Δ_E_ST is approximately Gaussian (mean 0.75 eV, SD 0.29 eV; range 0.21–1.89 eV); 13 molecules (1.4%) satisfy Δ_E_ST < 0.30 eV. (b) GNN predictions versus quantum-chemical references for _λ_em (left) and Δ_E_ST (right) on the test set. The solid line denotes y = x; _R_2 = 0.80 for _λ_em and _R_2 = 0.76 for Δ_E_ST.#

有了这组基准数据后，研究者引入了名为M3GNet的图神经网络模型。训练时，模型输入的是较为廉价的GFN-xTB分子几何构型，训练目标则是高精度量子化学计算出的发射能量和 $\Delta E_{ST}$ 。通过这种方式，机器学习模型学会了直接从低成本构型预测高精度激发态性质。在测试集上，该模型对发射能量的预测决定系数达到了 $R^2 = 0.80$ ，对 $\Delta E_{ST}$ 的预测决定系数达到了 $R^2 = 0.76$ 。

利用训练好的模型对全库剩余的17,433个分子进行预测后，研究者发现了一个关键规律：分子的发射能量与 $\Delta E_{ST}$ 之间呈现出明显的负相关性（皮尔逊相关系数 $R = -0.75$ ）。如果按照简单的单电子跃迁理论，这两者应该随轨道重叠度的增加而同向变化。这一负相关结果表明，这类分子的 $S_1$ 激发态中存在显著的多构型混合现象。对材料设计而言，这意味着在纯蓝光波长区间内，低 $\Delta E_{ST}$ 的候选分子占比反而更高，这为筛选高效蓝光发光体提供了理论依据。

Library-wide GNN inference and design-relevant trends. (a) GNN-predicted _λ_em (left) and Δ_E_ST (right) across the remaining 17 433 13-ring Cz-PAHs; distributions closely match the quantum-chemically computed subset (n = 944). (b) GNN-predicted _λ_em versus Δ_E_ST across the full library, showing a negative correlation (Pearson R = −0.75). Right panel: blue-emission window (restricted to Δ_E_ST < 0.5 eV and _λ_em = 2.4–3.0 eV), where smaller-Δ_E_ST candidates are concentrated at higher _λ_em (bluer side).#

分子合成与器件实验对理论预测的交叉验证#

根据图神经网络的预测结果，研究者首先将分子筛选范围锁定在预测发光能量位于2.4–3.0 eV（纯蓝光区间）的候选库中，并从中挑选出预测 $\Delta E_{ST}$ 最小的前50个分子。随后，研究者对这50个分子进行了高精度的SCS-CC2量子化学复核，结合合成可行性评估，最终选定了两个具有双吲哚咔唑（bis-ICz）核心结构的分子（候选02与候选05）进行实验合成。为了提高材料在蒸镀工艺中的热稳定性，研究者在分子末端引入了苯基保护基，分别命名为Cz-PAH-1和Cz-PAH-2。

Photophysical characterization of Cz-PAH-1 and Cz-PAH-2. (a) Molecular structures of the two experimentally validated emitters and photographs showing blue PL under UV illumination at 365 nm. (b) Simulated emission spectra computed using an in-house implementation [23, 50] of the thermal vibration correlation function (TVCF) [51] method based on TDDFT calculations. (c) Experimental emission spectra measured in toluene solution (10−5 M). (d) Experimental emission spectra measured for Cz-PAH (1:99, w/w)-doped films. (e) Transient PL decay curves in the nanosecond and microsecond regimes for the Cz-PAH (1:99, w/w)-doped films.

在甲苯稀溶液中的光物理测试表明，Cz-PAH-1和Cz-PAH-2的发光峰值分别为448 nm和473 nm，半峰宽低至17 nm与19 nm，且实测的 $\Delta E_{ST}$ 分别仅为0.13 eV和0.19 eV，与量子化学计算结果高度吻合。在掺杂薄膜中，两种分子的荧光产率分别达到了93%和99%，瞬态光谱也清晰观测到了微秒级的延迟荧光成分，证实了其光致发光阶段的高效TADF特性。

在电致发光器件测试中，研究者评估了这组无硼分子的实际表现：

在作为单一发光客体的TADF器件中，以Cz-PAH-1为发光层的器件A实现了456 nm的电致发光峰值和22 nm的半峰宽，色坐标为(0.139, 0.069)，十分接近Rec. 2020标准的纯蓝光原色坐标(0.131, 0.046)，最大外量子效率（EQE）达到17.2%。以Cz-PAH-2为发光层的器件B实现了24.0%的最大外量子效率。
在引入p4TCzPhBN作为敏化剂的超荧光（Hyperfluorescence）器件中，器件性能得到了进一步提升。利用敏化剂到发光客体的高效Förster能量转移，基于Cz-PAH-2的器件D实现了最高35.2%的外量子效率，同时电致发光半峰宽保持在25 nm。

EL performance of devices A–D. (a) OLED device architecture with energy-level diagram. (b) Chemical structures of materials used in the OLEDs. (c) EL spectra measured at 1 mA cm−2. (d) Current density and luminance versus voltage (J–V–L) characteristics. (e) External quantum efficiency versus luminance (EQE–L) characteristics. (f) EL emission images and the corresponding CIE chromaticity coordinates.#

从证据链条来看，该研究从模型预测到光物理实测，再到真空蒸镀OLED器件性能，形成了闭环验证。不过，研究数据也暴露了模型存在一定的局限性：在针对极端低 $\Delta E_{ST}$ （小于0.3 eV）区域时，由于训练集里这类小能级差分子的样本极少（944个基准样本中仅占1.4%），图神经网络倾向于将预测值向数据密集的高能级差区域拉平，导致预测出的 $\Delta E_{ST}$ 偏离真实计算值。因此，模型目前主要作为大规模筛选和初步排序的工具，最终的精确挑选依然需要依赖高阶量子化学计算复核。

无硼方案的应用价值与当前研究的适用边界#

这项研究证实了不依赖硼元素同样可以开发出满足Rec. 2020标准的超窄带蓝光OLED材料。通过将机器学习的快速预测能力与高精度激发态计算相结合，研究者将无硼咔唑稠环材料的筛选效率提升了数个数量级，并成功获得了高效率、高色纯度的发光分子。研究建立的近2万种稠环分子的数据库以及标定的量子化学数据集，也为后续有机光电材料的探索提供了基础数据支撑。

在看到应用前景的同时，该研究也存在明确的适用边界与后续改进空间：第一，模型的采样范围尚需拓展。目前训练集在低 $\Delta E_{ST}$ 区间的样本量过少，导致模型对极致小能级差分子的定量预测不够精准。未来需要引入主动学习等策略，有针对性地补充极端性能分子的数据，以提升模型在边缘区域的泛化能力。第二，合成步骤仍有优化空间。文中合成的两种分子虽然不含硼，但依然需要经过包括交叉偶联、Cadogan环化、borylation及内分子Ullmann偶联在内的5步反应。在工业化放大生产时，整体产率与成本依然是需要考量的因素。第三，器件的长寿命稳定性仍待补充。论文重点展示了光电效率和色彩纯度指标，但对于高亮度下器件的长持续工作寿命（如LT50或LT95），尚缺乏长期的衰减测试数据。对于真正进入面板产业而言，材料的运行寿命与效率衰减控制同样是需要考量的评价维度。

参考文献：M. Hagai, J. Sun, J. H. Lee, K. J. Fujimoto, S. Yamaguchi, T. Yasuda and T. Yanai, Angew Chem Int Ed, 2026, e2731055.