针对这一问题,北京大学化学与分子工程学院、北京分子科学国家研究中心裴坚/姚泽凡团队构建了高分子半导体有机场效应晶体管开放数据库OFETnow(https://www.ofetnow.top),进一步开发了融合分子结构、加工条件与器件参数的机器学习模型,实现了对载流子迁移率水平及传输类型的预测。在此基础上,研究团队通过五种新型高分子的设计、合成与器件验证,建立了从高质量数据积累、机器学习预测到新材料实验验证的研究流程,为高分子半导体的定向设计与高效开发提供了新工具。
该工作近期以封面论文形式发表于《美国化学会志》(Journal of the American Chemical Society),第一作者为北京大学化学与分子工程学院博士生李远楷,通讯作者为裴坚教授和姚泽凡副研究员,该工作的合作者包括王婕妤研究员、吴昊天博士,以及博士生李思璐、刘毅、张天予。
研究团队通过文献数据提取与人工核验,整理了2011年至2022年报道的512条器件记录,涵盖39项数据字段,迁移率跨越六个以上数量级,包含p型、n型及双极性三类传输行为。同一种高分子在不同溶剂、退火条件或器件构型下的性能被分别记录,使数据库能够保留加工过程对电荷传输的影响。在此基础上构建的OFETnow平台集成了数据查询、筛选和分子结构可视化功能,以便比较不同材料及加工条件下的器件性能。平台同时支持研究社区提交数据,并通过人工审核纳入数据库,为分散的实验结果提供统一的整理与共享渠道。通过持续汇集不同材料体系和制备条件下的数据,OFETnow有望扩大数据覆盖范围,为模型改进和新材料筛选提供持续更新的数据基础(图1)。
图3. 当期封面
该工作得到国家自然科学基金、北京市自然科学基金的资助,以及北京大学高性能计算平台的支持。
论文信息:
Machine-Learning Prediction of Carrier Mobility and Polarity Type of Polymer Semiconductors: from High-Fidelity Data to Experimental Realization
Yuan-Kai Li, Si-Lu Li, Yi Liu, Hao-Tian Wu, Tian-Yu Zhang, Jie-Yu Wang, Ze-Fan Yao*, Jian Pei*
Journal of the American Chemical Society, 2026, 14, 46677-46688
https://pubs.acs.org/doi/10.1021/jacs.6c11486