新型有机光电材料（如有机发光二极管、有机光伏和有机场效应晶体管中的应用）研发，历来受制于传统试错实验的低效率，以及化学空间浩瀚无垠。往往需要耗费大量时间与资源，却难以在庞大的化学空间中快速找到理想分子。人工智能作为一种变革性范式，通过数据驱动策略，加速了这一材料研发进程。

文章首先探讨了核心工作流程，包括构建专业数据库，以及用于高通量虚拟筛选的机器学习模型。随后，详细论述了逆向设计的关键转变，即生成模型创造具有目标功能的从头分子结构。

文章特别关注了正在重塑该领域的新兴前沿方向，包括利用大语言模型进行文献挖掘、用于实验规划的认知智能体的兴起，以及机器人技术的整合以建立自驱动实验室。这些集成系统闭环了设计-合成-表征流程，以前所未有的速度实现了材料发现。

AI+有机光电子学领域的发展动态，突出数据保真度方面的关键挑战、生成式设计的变革策略，以及迈向全自主研究范式的未来发展方向。

图1. 在有机光电材料与器件中，人工智能的应用概览

图2. 材料与器件的表示方法分类

图3. 有机光电研究中的 AI 算法体系

图4. 快速光电性质预测的 AI 模型

图5. 高通量筛选的多阶段工作流

图6. 生成式 AI 架构用于分子逆向设计

图7. 器件性能预测与自主工艺优化的 AI 框架

图8. LLM 驱动的信息抽取与自主规划工作流

图9. 自主 AI 研究员 Coscientist 的架构与实现

来源：今日新材料公众号

DOI：10.1002/adma.73151