نظام اكتشاف المحفزات الضوئية ذاتية التحسن من خلال البحث البايزي باستخدام محاكاة المبادئ الأولى

سيمكن نظام اكتشاف المواد ذاتية التعلم أو التحسن القائم على الذكاء الاصطناعي (AI) من اكتشاف المواد من الجيل القادم. هنا، نقوم بعرض كيفية دمج التنبؤ الدقيق لأداء المواد من خلال حسابات المبادئ الأولى وتحسين البايز القائم على التعلم النشط لتحقيق نظام اكتشاف ذاتي التحسن للمحفزات الضوئية ذات الأداء العالي (PSs). من خلال دورات التحسن الذاتي، يمكن لمثل هذا النظام تحسين دقة توقعات النموذج (أفضل متوسط خطأ مطلق يبلغ 0.090 eV لتفكيك حالة سنجليت-تريبلت) وقدرة البحث عن PS عالية الأداء، مما يحقق اكتشافًا فعالًا لـPSs. من مساحة جزيئية تحتوي على أكثر من 7 ملايين جزيء، تم اكتشاف 5357 PSs محتمل عالي الأداء. تم تصنيع أربعة PSs إضافية لإظهار أداء مماثل أو متفوق على التجاري. يبرز هذا العمل إمكانيات التعلم النشط في تصميم المواد القائم على المبادئ الأولى، ويمكن أن تعزز الهياكل المكتشفة تطوير التطبيقات المتعلقة بالتحفيز الضوئي.