买专利卖专利找龙图腾，真高效！ 查专利查商标用IPTOP,全免费！专利年费监控用IP管家,真方便！

申请/专利权人：合肥工业大学

摘要：本发明公开了一种基于量子化学和机器学习预测铱配合物磷光材料光致发光量子产率的方法，包括：从文献中搜集有关铱配合物磷光材料光致发光量子产率的实验数据，并采用量子化学计算的方法提取铱配合物磷光分子的特征描述符，将数据输入计算机中，特征描述符作为输入，发光量子产率作为输出，选择随机森林、Bagging、梯度提升、XGBoost算法来训练机器学习模型。本发明的方法，可以对未知铱配合物磷光分子结构空间进行大规模筛选，以搜寻高光致发光量子产率的铱配合物磷光分子结构，该方法加速了高性能铱配合物磷光分子材料的开发，具有低计算成本、高准确性和高效率的优点。

主权项：1.一种基于量子化学和机器学习预测铱配合物磷光材料光致发光量子产率的方法，其特征是按如下步骤进行：步骤1：从文献中搜集铱配合物磷光材料的光致发光量子产率的实验数据，作为机器学习模型训练的目标参数；步骤2：使用分子结构绘制软件构建搜集的铱配合物磷光材料的分子结构；步骤3：将步骤2中构建的分子结构转换为量子化学计算的输入文件，使用量子化学计算软件对结构做基态和发射态的几何结构优化；基于优化后的基态结构，做激发单线态和激发三线态计算以及做静态极化率计算；基于优化后的发射态结构，做激发三线态计算；步骤4：获取步骤3中各激发态计算的输出文件和检查点文件以及静态极化率计算的输出文件；步骤5：从步骤4的文件中提取特征描述符，包括：步骤5.1、从基于基态结构的激发单线态计算的输出文件中提取第一激发单线态与基态的能量差Es1-Es0_1；步骤5.2、从基于基态结构的激发三线态计算的输出文件中提取第二激发三线态与第一激发三线态的能量差Et2-Et1_1；步骤5.3、从基于基态结构的激发单线态计算的输出文件和基于基态结构的激发三线态计算的输出文件中提取第一激发单线态与第三激发三线态的能量差Es1-Et3_1；步骤5.4、从基于发射态结构的激发三线态计算的输出文件中提取第一激发三线态与发射单线态的能量差Et1-Es0_3；步骤5.5、从基于发射态结构的激发三线态计算的输出文件中提取第二激发三线态与发射单线态的能量差Et2-Es0_3；步骤5.6、从基于基态结构的静态极化率计算的输出文件中提取静态极化率特征Polar_s0；步骤5.7、从基于发射态结构的激发三线态计算的输出文件和检查点文件，结合波函数分析程序Multiwfn来提取第一激发三线态到第二激发三线态的电子跃迁偶极矩TDM3_T1-T2；步骤5.8、从基于基态结构的激发单线态计算的检查点文件，结合波函数分析程序Multiwfn来提取分子基态结构的电子空间范围特征ELE_Spa_Ex；步骤5.9、从基于基态结构的激发单线态计算的输出文件和检查点文件，结合波函数分析程序Multiwfn来提取第一激发单线态的金属到配体的电荷转移率1MLCT_s0；步骤5.10、从基于发射态结构的激发三线态计算的输出文件和检查点文件，结合波函数分析程序Multiwfn来提取第一激发三线态的电子离域指数EDI；步骤6：将步骤5获取的特征描述符数据和文献搜集的光致发光量子产率实验数据组合作为机器学习的数据集；步骤7：以步骤6的数据集中的特征描述符作为机器学习输入自变量，光致发光量子产率数据作为输出因变量，引入随机森林、Bagging、梯度提升和XGBoost四个算法，建立铱配合物磷光材料光致发光量子产率预测模型；步骤8：构建潜在铱配合物磷光材料分子结构，用量子化学方法计算并提取出相关特征描述符，作为机器学习输入自变量导入光致发光量子产率预测模型中，预测新型铱配合物磷光材料的光致发光量子产率。

全文数据：

权利要求：

百度查询： 合肥工业大学 一种基于量子化学和机器学习预测铱配合物磷光材料光致发光量子产率的方法