首尔大学和成均馆大学用AI逆向设计出最优溶剂配方，将量子点均匀排列于QLED薄膜。效率约为传统单溶剂器件的两倍，工作寿命延长超过40倍。这一成果发表于《物理学进展报告》。
制造高性能QLED有一个核心挑战：量子点颗粒必须在薄膜中均匀、致密地排列。溶剂的选择至关重要，它直接影响亮度和寿命。但过去，预测最优溶剂条件需要大量试错，费时费力。
首尔大学和成均馆大学的联合团队换了个思路：让AI来做这件事。
他们先用五种代表性溶剂制造了量子点薄膜，用原子力显微镜量化表面均匀性，然后训练一个机器学习模型来逆向预测——不给AI看配方，让它根据目标薄膜质量反推出所需溶剂特征。
结果AI给出的最优方案没有一种单一溶剂能完美匹配。于是团队混合多种溶剂来接近AI的预测，由此发现了一种"仅靠重复实验很难找到"的组合。实际验证表明，效率约为传统单溶剂器件的两倍，工作寿命更是增加了超过40倍。
首尔大学教授Jeonghun Kwak表示，这项研究证明"AI可以基于数据驱动来设计显示材料和工艺"，而且方法不仅适用于QLED，还可应用于OLED、太阳能电池和其他下一代电子器件。
这项研究得到了韩国科学信息通信部和国家研究基金会"未来显示领先技术计划"和"纳米与材料技术开发计划"的支持。
原文：https://phys.org/news/2026-07-ai-qled-recipe-efficiency-boosts.html