Organic electronics display a low economic footprint and are versatile in their application. Improving devices and material properties (e.g. electrical conductivity) however remains important and is so far mainly tackled by laborious empirical tuning of materials and devices. Molecular machine learning- and data-driven design can help by enabling a guided large-scale in-silico discovery of potential OSC materials. Corresponding strategies are here explored.
Translated abstract:
Organische Elektronik ist ökonomisch attraktiv und vielseitig einsetzbar. Die Verbesserung von Bauteilen und Materialeigenschaften (z.B. elektrische Leitfähigkeit) bleibt jedoch bedeutend und geschieht bisher häufig in arbeitsintensiver empirischer Optimierung von Materialien und Bauteilen. Molekulares maschinelles Lernen und datengestütztes Design können helfen, indem sie computerunterstützte Materialentdeckung im großen Maßstab ermöglichen. Entsprechende Strategien werden hier untersucht.
Login
BibTeX