Dirbtinis intelektas padeda mokslininkams kurti ekranus, kurie šviečia geriau ir tarnauja ilgiau

Dirbtinis intelektas (DI) jau moka rašyti rašinius, tapyti paveikslus ir net padeda gydytojams diagnozuoti ligas. Dabar jis imasi dar vienos svarbios užduoties – mokslininkams padeda kurti organines molekules, naudojamas organinių šviesos diodų (OLED) ekranuose, į kuriuos žiūrime kasdien naršydami telefone ar sėdėdami prie televizoriaus. Šios molekulės leidžia ekranams šviesti ryškiau, spalvingiau ir ilgiau.

Anksčiau jas sukurti buvo taip sunku, lyg spręstum milijono dalių galvosūkį – brangu, ilgai užtrukdavo ir ne visada pavykdavo sėkmingai. Dabar DI šį procesą pagreitina: analizuoja milžiniškus duomenų kiekius ir padeda greitai rasti tinkamiausias organines molekules. Tačiau vis dar kyla iššūkių, kuriuos mokslininkams tenka įveikti norint, kad ši moderni apšvietimo technologija pasiektų mūsų ekranus ir namus.

Pagreitinamas išmaniųjų ekranų tobulinimo procesas

Įsivaizduokite erdvę, kurioje slypi ne tūkstančiai, o milijardai galimų molekulių – tiek daug, kad jų skaičius siekia 10⁶⁰. Tai vadinamoji cheminė erdvė. Kaip joje surasti tas vienetines molekules, kurios galėtų tapti ryškiomis, efektyviomis ir patvariomis OLED ekranų dalimis?

Dar visai neseniai mokslininkai šią problemą sprendė rankiniu būdu – sintetindavo ir testuodavo šimtus ar net tūkstančius molekulių laboratorijoje po vieną. Ieškota tų, kurios atitiktų griežtus reikalavimus: skleistų šviesą efektyviai, pasižymėtų sodriomis spalvomis ir atsparumu aplinkos poveikiui. Šis procesas dažnai užtrukdavo metus, o kartais net dešimtmečius ir kainuodavo milžiniškas pinigų sumas. Be to, dauguma bandymų baigdavosi nesėkme, nes tik maža dalis molekulių būdavo tinkamos pritaikyti praktiškai.

DI, pasitelkdamas mašininį ir giluminį mokymąsi, jau dabar keičia organinių molekulių kūrimo taisykles. Nebereikia ilgų ir brangių eksperimentų laboratorijose – DI modeliai gali tiksliai prognozuoti, kokios savybės bus būdingos konkrečiai molekulei. Jie padeda atrasti efektyvesnius junginius, kurie šviečia ryškiau, pasižymi didesniu spalvų grynumu ir tarnauja ilgiau.

Ši pažanga ne tik spartina inovacijų kūrimą – ji daro aukštos kokybės technologijas prieinamas platesniam visuomenės sluoksniui. Kitaip tariant, DI padeda greičiau kurti aukštos kokybės ekranus, apšvietimą ar net medicinos prietaisus, kuriuos galime naudoti kasdien.

Pavyzdžiui, DI modeliai jau dabar geba prognozuoti esminius molekulių parametrus – tokius kaip energijos lygmenys, kurie lemia, kaip efektyviai molekulė skleis šviesą ar perduos energiją OLED prietaisuose.

Dar įspūdingiau atrodo tai, kad DI ne tik atrenka tinkamas, bet ir kuria visiškai naujas molekules. Mokslininkams nebereikia praleisti ilgų valandų laboratorijose – DI modeliai per kelias sekundes ar minutes atrenka perspektyviausius kandidatus, taip ne tik taupydami mokslininkų laiką, bet ir mažindami finansines sąnaudas.

Generatyviniai modeliai veikia tarsi kūrybiniai asistentai, generuojantys molekulių struktūras, kurios yra pritaikytos specifiniams poreikiams, pavyzdžiui, vienos reikalingos, kad spinduliuotų mėlyną šviesą, kitos – kad atlaikytų drėgmę ar šilumą. Šie modeliai analizuoja tūkstančius molekulių, įvertina jų sąveiką su aplinka, o tai leidžia mokslininkams sutelkti dėmesį tik į tas molekules, kurios turi didžiausią praktinį potencialą.

2022 m. žurnale „NPJ Computational Materials“ aprašytas tyrimas atskleidė, kaip apmokytas DI gali padėti kurti pažangius OLED prietaisus. Mokslininkai pristatė „DeepHL“ modelį, kuris buvo apmokytas naudojant eksperimentinę 3026 organinių molekulių duomenų bazę. Pasitelkusi jį mokslininkų komanda sukūrė gilaus mėlynojo spektro OLED prietaisus, pasižyminčius siaura 412 nm emisijos juosta ir siekiančius 6,58 proc. išorinį kvantinį efektyvumą – tai aukščiausias šiuo metu pasiekiamas kokybės lygis.

Dar įspūdingiau yra tai, kad projektavimo procesas buvo 50 proc. greitesnis, o eksperimentų prireikė net 70 proc. mažiau nei įprastai. Be to, DI padėjo atrinkti molekules, kurios energiją perduoda 30 proc. efektyviau nei anksčiau naudotos. O 2024 m. žurnale „ACS Central Science“ buvo aprašytas kitas generatyvinis DI modelis „DeepMoleculeGen“, apmokytas naudojant 71 424 molekules ir tirpiklių porų duomenų bazę. Prognozuodamas norimas savybes, šis modelis pasiekė 95 proc. tikslumą, o sintezės išeiga padidėjo iki 80 proc., kai tradiciniais metodais gauta sintezės išeiga siekdavo tik 10–20 proc.

Kaip dirbtinis intelektas kuria išmanesnius ekranus?

OLED technologijos yra vienos pažangiausių apšvietimo ir ekranų srityje, o DI prisideda prie jų tobulinimo keliais būdais. Kad ekranai šviestų ryškiai, efektyviai ir ilgai, reikia labai tiksliai suprojektuotų molekulių. DI padeda kurti specialias medžiagas, pavyzdžiui, termiškai aktyvuotos uždelstosios fluorescencijos (TADF) molekules, kurios geba efektyviai panaudoti net tą energiją, kuri anksčiau būdavo prarandama. Tam reikia itin tiksliai suderinti molekulės dalis. DI paremti modeliai gali greitai prognozuoti ir projektuoti tokias molekules, kurios idealiai tinka konkretiems tikslams, pavyzdžiui, mėlynai šviesai OLED prietaise sukurti – iki šiol tai buvo vienas sudėtingiausių iššūkių dėl aukštų spalvų grynumo ir emisijos efektyvumo reikalavimų.

Viena didžiausių OLED technologijos problemų – organinių molekulių stabilumas. Jos jautriai reaguoja į deguonį, drėgmę ar aukštą temperatūrą, todėl įrenginiai gali greičiau susidėvėti, o jų veikimo laikas – sutrumpėti. Čia į pagalbą ateina DI modeliai, kurie analizuoja molekulių struktūras ir jų elgseną įvairiomis sąlygomis, siūlo, kaip jas patobulinti – pavyzdžiui, pridėti tam tikras chemines grupes ar pakeisti molekulių konfigūraciją. Taip sukuriamos stabilesnės ir atsparesnės molekulės, kurios ilgiau išlaiko savo savybes net ir intensyviai naudojant OLED įrenginius.

DI taip pat padeda atrasti molekules, kurios skleidžia itin grynas spalvas – raudoną, žalią ar mėlyną, sunaudodamos mažiau energijos. Tai ypač svarbu kuriant aukštos raiškos televizorius ar išmaniųjų telefonų ekranus, kuriuose spalvų grynumas yra vienas iš esminių veiksnių. DI algoritmai gali tiksliai numatyti, kurios molekulės skleis norimą spalvą, ir optimizuoti jų struktūras taip, kad jos atitiktų griežtus spalvų standartus, taikomus moderniuose ekranuose. Be to, kurdamas tokias molekules DI padeda mažinti energijos sąnaudas, kurios elektros energiją efektyviai paverčia šviesa. Tai prisideda prie taupesnių apšvietimo sprendimų.

Vienas didžiausių DI modelių privalumų – kad jis veikia kartu su kitomis pažangiomis technologijomis, pavyzdžiui, kvantine chemija ir molekuline dinamika. Tai leidžia dar tiksliau prognozuoti, kaip molekulės elgsis OLED įrenginiuose, kaip sąveikaus su kitomis medžiagomis ir kokį poveikį turės visam ekranui.

Be to, DI padeda kurti molekules lanksčiajai elektronikai, t. y. tokiems OLED ekranams, kurie gali būti lenkiami, tempiami ar įsiuvami į drabužius. Tam reikia ne tik efektyvių, bet ir mechaniškai tvirtų molekulių, kurios veikia net judant ar lankstant. DI padeda iš anksto suplanuoti tokias struktūras, kurios atlaiko šiuos iššūkius.

Kliūtys dirbtinio intelekto proveržiui chemijoje

Nors DI jau dabar duoda įspūdingus rezultatus, jo taikymą riboja kelios problemos. Viena pagrindinių – duomenų trūkumas. DI modelių tikslumas tiesiogiai priklauso nuo didelės apimties ir kokybiškų duomenų bazių, tačiau šiuo metu dauguma jų apima tik paprastesnes, mažos struktūros molekules. Apšvietimo technologijoms reikalingi sudėtingesni, specifiškesni junginiai, todėl mokslininkai priversti skirti daug papildomo laiko ir išteklių naujoms tikslinėms duomenų bazėms kurti. Tai sudėtingas ir ilgas procesas, tačiau jis būtinas, norint maksimaliai išnaudoti visą DI potencialą šioje srityje.

Kitas rimtas iššūkis yra organinių molekulių sintezė. Net jei DI pasiūlo molekules kandidates, teoriškai pasižyminčias puikiomis savybėmis, jas pagaminti laboratorijoje gali būti sudėtinga. Pavyzdžiui, kai kurioms molekulėms reikia retų žaliavų ar sudėtingų cheminių procesų, kurie nėra praktiški masinei gamybai.

Tam mokslininkai diegia automatizuotas eksperimentines sistemas, kurios realiu laiku tikrina, kaip lengvai ir greitai galima sintetinti naujas molekules. Tai sutrumpina kelią nuo idėjos iki galutinio produkto.

Trečias iššūkis yra tvarumas. Organinių molekulių gamybai reikalingi cheminiai procesai gali turėti neigiamą poveikį aplinkai, pavyzdžiui, generuoti chemines atliekas ar reikalauti didelių energijos sąnaudų. DI padeda spręsti šią problemą, kurdamas efektyvesnius gamybos metodus ar biologiškai skaidžias molekules, kurios gali sumažinti anglies dioksido pėdsaką. Pavyzdžiui, optimizuodami molekulių struktūras, mokslininkai gali sumažinti žaliavų poreikį ar sukurti molekules, kurios suyra natūraliai, ir taip prisidėti prie tvaresnės ateities.

Prie žmogaus ar situacijos prisitaikantis apšvietimas

DI vaidmuo kuriant organines molekules apšvietimo technologijoms tik auga. Jis vis glaudžiau susisieja su kvantine chemija ir automatizuotomis laboratorijomis, o tai leidžia greičiau kurti efektyvesnius, lankstesnius ir draugiškesnius aplinkai prietaisus. Pavyzdžiui, pasitelkiant DI jau dabar yra kuriami lankstūs OLED prietaisai, kurie gali būti integruoti į nešiojamąsias technologijas, tokias kaip išmanieji drabužiai, medicininiai jutikliai ar net sulankstomi ekranai.

Be to, DI atveria ir personalizuoto apšvietimo galimybes – įsivaizduokime apšvietimo sistemas, kurios imituoja natūralią dienos šviesą, gerindamos žmonių sveikatą, produktyvumą ar net miego kokybę. Tokios sistemos galėtų būti naudojamos ne tik namuose, bet ir biuruose, mokyklose ar ligoninėse, kur padėtų kurti aplinką, mažinančią stresą. DI gali sukurti molekules, kurios skleidžia būtent tokį šviesos spektrą, kokio reikia konkrečiam žmogui ar situacijai.

DI jau dabar perrašo organinių molekulių kūrimo taisykles, ypač tose srityse, kur apšvietimo technologijos susiduria su efektyvumo, ilgaamžiškumo ir tvarumo iššūkiais. Nuo milžiniškų duomenų apdorojimo iki realiai sintetinamų molekulių generavimo – DI tampa ne tik pagalbininku, bet ir kūrybiniu partneriu mokslininkų darbe. Ši technologinė sinergija žymi lūžį, kuris gali lemti ryškesnius, ekonomiškesnius ir aplinkai draugiškesnius OLED bei kitų šviesos šaltinių sprendimus. Nors dar laukia ne vienas mokslinis ir techninis iššūkis, akivaizdu, kad DI vaidmuo vis labiau stiprės – ne tik laboratorijose, bet ir mūsų kasdienybėje, keisdamas supratimą apie tai, kaip mes kuriame ir naudojame šviesą.