Deep Learning Optical Spectroscopy Based on Experimental Database: Potential Applications to Molecular Design
- 딥러닝을 이용한 유기 분자의 분광 특성 예측 연구 (JACS Au. 1, 427-438 (2021))
초록
Accurate and reliable prediction of the optical and photophysical properties of organic compounds is important in various research fields. Here, we developed deep learning (DL) optical spectroscopy using a DL model and experimental database to predict seven optical and photophysical properties of organic compounds, namely, the absorption peak position and bandwidth, extinction coefficient, emission peak position and bandwidth, photoluminescence quantum yield (PLQY), and emission lifetime. Our DL model included the chromophore-solvent interaction to account for the effect of local environments on the optical and photophysical properties of organic compounds and was trained using an experimental database of 30 094 chromophore/solvent combinations. Our DL optical spectroscopy made it possible to reliably and quickly predict the aforementioned properties of organic compounds in solution, gas phase, film, and powder with the root mean squared errors of 26.6 and 28.0 nm for absorption and emission peak positions, 603 and 532 cm(-1) for absorption and emission bandwidths, and 0.209, 0.371, and 0.262 for the logarithm of the extinction coefficient, PLQY, and emission lifetime, respectively. Finally, we demonstrated how a blue emitter with desired optical and photophysical properties could be efficiently virtually screened and developed by DL optical spectroscopy. DL optical spectroscopy can be efficiently used for developing chromophores and fluorophores in various research areas.
본 연구에서는 딥러닝 방법으로 분자의 광특성을 예측하기 위해서 관련된 빅데이터가 필요하기 때문에, 연구팀은 문헌에 보고된 분자들의 흡광 파장과 반치폭, 몰 흡광 계수, 발광 파장과 반치폭, 발광 양자 효율, 발광 수명 등의 7가지 광특성을 수집하여 데이터베이스를 구축하였다. 연구팀이 구축한 데이터베이스를 ‘분자구조-광특성의 상관관계를 찾는 딥러닝 모델’로 학습시켜 ‘딥러닝 분자 분광법’을 개발하였다. 딥러닝 모델은 그래프 합성곱 신경망 (graph convolutional network)과 다층 퍼셉트론 (multi-layer perceptron)을 포함하고 있으며, 분자구조를 효과적으로 다룰 수 있으며, 분자-주위 환경의 상호작용이 분자의 광특성에 영향을 주는 효과를 포함하도록 설계되었다. 딥러닝 분자 분광법으로 예측한 7가지 광특성을 바탕으로 다양한 염료와 형광체의 색을 재현할 수 있었다. 특히 분자가 용액상이나 필름과 같이 주위 환경이 바뀌어도 색을 정확하게 재현할 수 있는 기술을 확보할 수 있었다. 또한, OLED 소자에서 발광 재료로 사용될 수 있는 후보 물질을 선별하는데 딥러닝 분자 분광법이 효과적임을 입증하였다. 그림에서 연구자가 다양한 후보 물질을 설계하면, 딥러닝 분자 분광법을 사용하여 후보 물질들의 광특성 및 색을 예측할 수 있다. 예측된 광특성과 색을 바탕으로 목표로 한 광특성을 만족하는 후보 물질을 선별한다. 선별된 후보 물질은 실제로 합성되고 그 성능을 확인한다. 이 과정을 통해 파란색 발광을 하고, 발광 반치폭이 좁아 색순도가 좋은 분자를 찾을 수 있었다. 이 연구는 우수성을 인정받아 국제 유명 화학 저널인 JACS Au 2021년 4월호의 표지 논문으로 선정되었다.