Table of Contents

Переосмысление органической электроники с помощью вычислительного дизайна

Ландшафт современной электроники смещается от жестких кремниевых компонентов к легким, гибким и обрабатываемым решениями альтернативам. Органические электронные материалы - полупроводники на основе углерода, проводники и изоляторы - стоят в центре этого преобразования, питая устройства, такие как органические светоизлучающие диоды (OLED), органические фотоэлектрические элементы (OPV), органические полевые транзисторы (OFET) и гибкие технологии отображения. Тем не менее, дизайн этих материалов исторически был медленным, трудоемким процессом, с исследователями, синтезирующими и тестирующими сотни кандидатов, прежде чем найти жизнеспособное соединение.

Именно здесь появилась функциональная теория плотности (DFT) в качестве незаменимого инструмента. Предоставляя вычислительно тягучий метод для прогнозирования электронных, структурных и оптических свойств молекул и материалов, DFT фундаментально ускорил открытие и оптимизацию органических электронных материалов. Это позволяет исследователям экранировать виртуальные библиотеки соединений, понимать основную физику переноса зарядов и адаптировать молекулярные архитектуры для конкретных требований к устройству - все до того, как произойдет единая реакция синтеза. Влияние DFT на эту область нельзя переоценить; он превратил органическую электронику из дисциплины, движимой в основном эмпирическим исследованием, в дисциплину, управляемую рациональным, квантово-механическим дизайном.

Что такое теория плотности? - Прим. автора для ученых-материалистов

Функциональная теория плотности — это структура квантово-механического моделирования, которая вычисляет электронную структуру атомов, молекул и конденсированных фаз. Разработанная в ее современной форме Уолтером Коном и его коллегами в 1960-х годах — работа, которая принесла Кону Нобелевскую премию по химии в 1998 году — DFT в настоящее время является наиболее широко используемым методом в области вычислительных материалов и квантовой химии.

Основная идея: плотность электронов над волновыми функциями

Традиционные методы ab initio, такие как подходы Хартри-Фока или пост-Хартри-Фока, пытаются решить уравнение Шрёдингера с множеством тел напрямую, вычисляя волновую функцию каждого электрона в системе. Для молекулы с сотнями электронов — типичной для органических электронных материалов — это становится неразрешимым. DFT обходит эту сложность, используя плотность электронов ρ(r) в качестве фундаментальной переменной. Согласно теоремам Хохенберга-Кона, все свойства состояния на Земле системы однозначно определяются её плотностью электронов, которая зависит только от трёх пространственных координат независимо от количества электронов.

Это уменьшение размерности делает DFT достаточно эффективным для обработки систем с десятками и сотнями атомов на стандартных лабораторных рабочих станциях. На практике большинство вычислений выполняется с использованием формализма Кон-Шама, который вводит набор фиктивных невзаимодействующих электронов, которые воспроизводят истинную плотность электронов. Разница между кинетической энергией этих невзаимодействующих электронов и реальной взаимодействующей системой, плюс все другие эффекты обмена и корреляции, захватывается функцией обмена-корреляции — центральным приближением в любом расчете DFT.

Функциональные связи обмена: сердце точности

Выбор функции обмена-корреляции определяет точность и надежность расчета DFT для органических электронных материалов. Ранние функции, такие как аппроксимация локальной плотности (LDA), хорошо работают для простых металлов и полупроводников, но часто не работают для органических молекул, где доминируют электронные корреляционные и дисперсионные взаимодействия. Современные подходы включают:

  • Обобщенное приближение градиента (GGA) — Функциональные, такие как PBE (Perdew-Burke-Ernzerhof), которые включают градиент плотности, улучшая точность молекулярной геометрии и реакционных барьеров.
  • Гибридные функции — такие как B3LYP и PBE0, которые смешивают часть точного обмена из теории Хартри-Фока с GGA-корреляцией обмена.Эти функции обычно дают превосходные прогнозы для энергий HOMO и LUMO, оптических зазоров и молекулярных свойств, относящихся к органической электронике.
  • Распределённые и долгодействующие корректируемые функции — как CAM-B3LYP и ωB97X-D, которые специально разработаны для обработки возбуждений переноса заряда и систем с расширенным π-сопряжением, как распространенных в органических полупроводниках.
  • Дисперсионно-коррекционные функции — такие методы, как DFT-D3 (Grimme) и DFT-D4, которые добавляют эмпирические термины дисперсии для учета взаимодействий ван-дер-Ваальса, критические для прогнозирования упаковки кристаллов и межмолекулярного переноса заряда в органических твердых телах.

Для органических электронных материалов обычно рекомендуются гибридные и разделенные по диапазону функции в сочетании с коррекцией дисперсии для надежного прогнозирования электронных разрывов, потенциалов ионизации, электронного сродства и энергии реорганизации.

Роль DFT в разработке органических электронных материалов

Интеграция DFT в конвейер разработки материалов открыла несколько фронтов, где вычислительный скрининг и рациональный дизайн напрямую влияют на экспериментальные результаты.

Прогнозирование уровней энергии HOMO и LUMO

Наиболее занятые молекулярные орбитальные (HOMO) и самые низкие незанятые молекулярные орбитальные (LUMO) энергии являются одними из наиболее важных параметров для органических электронных материалов. Они определяют способность материала впрыскивать и транспортировать заряды, его окислительно-восстановительную стабильность и спектр оптического поглощения. Расчеты DFT обычно предсказывают эти орбитальные энергии с точностью, достаточной для первоначального скрининга, особенно при использовании гибридных функций. Это позволяет исследователям настраивать энергетические уровни донорских и акцепторных материалов в органических солнечных элементах для максимизации напряжения с открытым замыканием или для оптимизации барьеров впрыска заряда в OLED и OFET.

Кроме того, DFT может выявить пространственное распределение этих орбиталей — информацию, которая экспериментально недоступна. Например, HOMO, которая делокализована по сопряженной магистрали, указывает на хороший перенос дыр, в то время как LUMO, локализованный на группе вывода электронов, предполагает эффективную инъекцию электронов. Эта информация направляет молекулярный дизайн к материалам со сбалансированным переносом заряда, ключевым требованием для высокоэффективной органической электроники.

Понимание транспортных механизмов зарядки

Транспорт заряда в органических полупроводниках принципиально отличается от такового в неорганических кристаллах. В большинстве органических материалов доминируют слабые силы ван дер Ваальса, приводящие к узким полосам пропускания и сильной электронно-фононной связи. Транспорт происходит через механизм перекачки, где заряды перемещаются от одной молекулы к другой посредством термически активированного процесса. DFT в сочетании с теорией Маркуса или более продвинутыми подходами, такими как золотое правило Ферми и транспортное уравнение Больцмана, может вычислить два ключевых параметра: энергию реорганизации (λ) и интеграл передачи (t).

  • Энергия реорганизации — Стоимость энергии, связанная с геометрическим искажением молекулы при зарядке. Более низкие значения λ соответствуют более быстрым скоростям заряда, и DFT может идентифицировать молекулярные структуры, которые минимизируют этот энергетический штраф, такие как жесткие, плоские сопряженные системы.
  • Перенос интеграла — Электронная связь между соседними молекулами, которая зависит от их относительной ориентации и перекрытия волновой функции. Расчеты DFT на кристаллических структурах или молекулярных димерах могут предсказать, какие мотивы упаковки дают наибольшую подвижность заряда.

Систематически изменяя молекулярные структуры и вычисляя эти параметры, исследователи могут проектировать материалы с прогнозируемой подвижностью дырок или электронов, превышающей 1 см2 / В, что является целью для коммерческих приложений в дисплеях и логических схемах.

Оптимизация молекулярных структур для стабильности и производительности

Органические электронные устройства должны работать при постоянном электрическом напряжении, воздействии воздуха и влаги и часто повышенных температурах. Поэтому молекулярная стабильность является критическим критерием проектирования. DFT может предсказать пути деградации, такие как энергии диссоциации связей, реакционные барьеры для радикального образования и восприимчивость к окислению или уменьшению. Например, расчеты потенциала ионизации и сродства электронов могут указывать на тенденцию материала к образованию радикальных катионов или анионов в рабочих условиях, направляя введение защитных заместителей, которые стабилизируют эти заряженные виды.

Кроме того, оптимизации геометрии DFT обеспечивают точные молекулярные конформации и межмолекулярные мотивы упаковки, которые влияют на морфологию тонкопленочной пленки и производительность устройства.Объединив DFT с алгоритмами прогнозирования молекулярной динамики (MD) или кристаллической структуры, исследователи могут исследовать, как условия обработки влияют на конечную твердотельную структуру - способность, которая непосредственно информирует экспериментальные методы осаждения, такие как спиновое покрытие, лезвие или тепловое испарение.

Виртуальный скрининг библиотек материалов

Возможно, наиболее преобразующим применением DFT в органической электронике является высокопроизводительный виртуальный скрининг. Автоматизируя расчеты DFT для тысяч молекулярных кандидатов, исследовательские группы могут быстро идентифицировать перспективные материалы для конкретных приложений. Гарвардский проект чистой энергии и аналогичные инициативы провели скрининг сотен тысяч молекул для органических фотоэлектрических приложений, идентифицировав десятки новых комбинаций доноров-акцепторов, которые впоследствии были проверены экспериментально. Такой подход сокращает время от концепции до демонстрации устройства от лет до месяцев, а также предоставляет полный набор данных для моделей машинного обучения, которые еще больше ускоряют открытие.

Виртуальный скрининг обычно включает в себя:

  • Создание большой библиотеки молекулярных структур-кандидатов, либо из известных строительных блоков, либо через генеративные модели.
  • Запуск автоматизированных рабочих процессов DFT (например, с использованием программного обеспечения, такого как Gaussian, ORCA или VASP) для вычисления ключевых дескрипторов: энергии HOMO / LUMO, оптический зазор, дипольный момент, поляризуемость, энергия реорганизации и параметры растворимости.
  • Применение многообъективных фильтров оптимизации для идентификации молекул, которые одновременно удовлетворяют нескольким ограничениям, таким как определенный диапазон пропусков, высокая подвижность заряда и хорошая стабильность воздуха.
  • Нижний отбор в шорт-лист для экспериментального синтеза и изготовления устройств.

Эта парадигма, основанная на данных, стала стандартом в академических и промышленных исследовательских лабораториях по всему миру.

Тематические исследования: DFT в действии

Органические солнечные элементы

Органические фотоэлектрические элементы (ОПВ) преобразуют солнечный свет в электричество, используя смеси донорских электронов и электронно-принимающих органических полупроводников. КПД преобразования энергии (ПЭК) ОПВ возросла с менее чем 5% в начале 2000-х годов до более чем 20% в лабораторных клетках сегодня, и DFT сыграл важную роль в этом прогрессе. Исследователи использовали DFT для разработки нефуллереновых акцепторов - молекул, таких как Y6 и его производные - которые раздвинули границы эффективности. Расчеты DFT направляли выбор электронно-дефицитных ядер сплавленного кольца и заместителей боковой цепи, которые оптимизируют поглощение света, выравнивание уровня энергии и динамику разделения заряда. Без компьютерного скрининга идентификация этих высокопроизводительных акцепторов потребовала бы на порядок больше синтетических усилий.

Органические светоизлучающие диоды

OLED-системы теперь повсеместно используются в высокопроизводительных смартфонах и телевизорах, и DFT играет двойную роль в их разработке: прогнозирование цветов излучения и разработка эффективных фосфоресцирующих или термически активированных эмиттеров замедленной флуоресценции (TADF). Для материалов TADF ключ заключается в достижении небольшого энергетического разрыва (ΔEST) между первым возбужденным состоянием синглета (S1) и тройняшка (T1), что позволяет эффективно преобразовывать триплетные экситоны для излучения света. Расчеты DFT возбужденных состояний с использованием зависящих от времени DFT (TD-DFT) могут точно предсказать ΔEST и направлять молекулярный дизайн. Этот подход привел к синему излучателю TADF с внешней квантовой эффективностью, превышающей 30%, конкурируя с фосфоресцирующими OLED без использования редкого иридия или платины.

Гибкие дисплеи и печатная электроника

Мечта о подвижных дисплеях и печатных схемах требует органических полупроводников, которые могут быть обработаны из раствора при низких температурах при сохранении высокой зарядовой мобильности. DFT использовался для проектирования полимерных полупроводников с магистральными конформациями, которые способствуют кристалличности на большие расстояния и эффективной перколяции заряда. Например, конструкция полимеров на основе индаценодитиофена, которые демонстрируют подвижность более 1 см2 / В в тонкопленочных транзисторах, руководствовалась расчетами DFT, которые предсказывали почти плоскую магистральную геометрию и сильную межмолекулярную π-π укладку. Эти материалы теперь составляют основу для прототипа гибких дисплеев и носимых электронных устройств.

Ограничения и проблемы DFT в органической электронике

Хотя DFT является мощным, он не без ограничений. При применении DFT к органическим электронным материалам необходимо учитывать несколько известных проблем.

  • Недооценка разрыва в объеме ресурсов — Традиционные (полулокальные) функциональные возможности DFT систематически недооценивают фундаментальный разрыв в объеме материалов из-за ошибки самовзаимодействия. Гибридные и разделенные по диапазону функциональные возможности смягчают это, но при более высоких вычислительных затратах. Для органических систем даже гибридные функциональные возможности могут приводить к ошибкам 0,2–0,5 эВ в разрыве HOMO-LUMO, что может ввести в заблуждение усилия по скринингу.
  • Возбужденные состояния и оптические свойства — зависящий от времени DFT (TD-DFT) является стандартным методом прогнозирования спектров поглощения и излучения, но он менее надежен для систем с характером переноса заряда или расширенной π-конъюгации. Это особенно проблематично для полимеров-доноров-акцепторов, используемых в ОПВ, и для излучателей TADF, где важны точные энергии синглета и триплета.
  • Молекулярная упаковка и морфология — Расчеты DFT обычно выполняются на изолированных молекулах или небольших кластерах в вакууме. Свойства молекулы в твердом состоянии могут существенно отличаться из-за кристаллической упаковки, полиморфизма и тонкопленочной морфологии. Для захвата этих эффектов требуется объединение DFT с молекулярной динамикой на основе силового поля или периодическими расчетами граничных условий, что увеличивает сложность.
  • Вычислительные затраты для больших систем — В то время как DFT эффективен по отношению к методам, основанным на волновых функциях, необходимы вычисления на системах с тысячами атомов (например, полимерных цепях со многими повторяющимися блоками, большими агрегатами или интерфейсами) с вычислительно требовательными методами линейного масштабирования или суррогатами машинного обучения.
  • Спиновые состояния и системы с открытыми панелями — Органические радикалы или системы с неспаренными электронами (например, в некоторых промежуточных зарядовых устройствах) требуют неограниченного DFT или многоканальных методов, где точность больше зависит от функционального выбора и может быть трудной для сравнения.

Осведомленность об этих ограничениях имеет важное значение для правильной интерпретации результатов DFT и избежания чрезмерной уверенности в прогнозах. Критическая проверка против экспериментальных данных, таких как ультрафиолетовая фотоэлектронная спектроскопия (UPS), обратная фотоэмиссионная спектроскопия (IPES) или циклическая вольтамметрия, остается необходимой практикой.

Будущие перспективы: куда движется DFT

Траектория DFT в органической электронике направлена на повышение точности, более широкую применимость и более глубокую интеграцию с экспериментальными рабочими процессами и наукой о данных.

Расширенные функции и методы, выходящие за рамки DFT

Функционалы следующего поколения, которые лучше захватывают корреляцию на большие расстояния, нелокальный обмен и эффекты окружающей среды, находятся в активной разработке. Примеры включают использование оптимально настроенных разделенных по диапазону функциональных возможностей, включение теории возмущения многих тел (например, коррекций ГВт) и методы встраивания, которые объединяют DFT с теорией волновой функции высокого уровня для конкретных областей интересов (например, хромофор в белковой среде или ловушка заряда на границе зерна). Эти подходы обещают обеспечить точность, необходимую для количественного прогнозирования свойств, связанных с устройством, таких как напряжение с открытым замыканием, эффективность излучения и мобильность заряда.

Высокопроизводительные и автономные рабочие процессы

Следующим рубежом является интеграция DFT с роботизированными платформами синтеза и автоматической характеристики, создание систем обнаружения замкнутого цикла. В такой системе расчеты DFT предлагают молекулы-кандидаты, робот их синтезирует, инструмент для оценки характеристик с высокой пропускной способностью измеряет их свойства, и результаты подаются обратно в модели машинного обучения, которые уточняют следующий раунд предсказаний DFT. Эта парадигма самоуправляемой лаборатории уже прототипируется для органической электроники и, как ожидается, ускорит открытие материалов на порядки в течение следующего десятилетия.

Суррогаты машинного обучения и ускоренный DFT

Модели машинного обучения, обученные на данных DFT, могут воспроизводить точность вычислений DFT на долю вычислительной стоимости. Потенциалы нейронных сетей, регрессия гребня ядра и нейронные сети графов теперь способны предсказывать энергии, силы и даже электронные свойства органических молекул с точностью почти до DFT в миллисекундах. Эти суррогаты позволяют проводить скрининг миллиардов молекул, исследовать большие фазовые пространства и быстро оптимизировать условия обработки. Сочетание DFT для генерации высококачественных обучающих данных и машинного обучения для вывода, возможно, является наиболее перспективным подходом для будущего развития материалов органической электроники.

Многомасштабное моделирование от молекулы к устройству

Конечная цель - это многомасштабная модельная структура, которая легко соединяет квантовую механику (DFT на атомном уровне) с транспортировкой заряда на мезомасштабе и производительностью устройства на макроскопическом уровне. Такая структура позволит исследователям предсказать характеристики I-V OLED или PCE OPV полностью из первых принципов, направляя не только молекулярный дизайн, но и архитектуру устройства и параметры изготовления. Хотя это видение остается желательным, прогресс в грубо-зернистой молекулярной динамике, моделях дрейф-диффузии и подходах, основанных на данных, неуклонно сокращает разрыв.

Заключение

Функциональная теория плотности коренным образом изменила способ зачатия, проектирования и оптимизации органических электронных материалов. От прогнозирования уровней HOMO и LUMO до скрининга тысяч виртуальных молекул для солнечных элементов, светодиодов и гибких транзисторов DFT стала важным партнером экспериментального синтеза и изготовления устройств. Его способность раскрывать электронную структуру и заряжать физику транспорта на молекулярном уровне позволяет исследователям принимать рациональные решения, а не полагаться на скупость.

По мере того, как вычислительные методы продолжают развиваться — с более точными функциями, автоматизированными рабочими процессами и интеграцией машинного обучения — роль DFT в органической электронике будет только углубляться. Область движется к будущему, где идеальный материал для данного приложения может быть идентифицирован в силико с высокой степенью уверенности, синтезирован роботизированной платформой и проверен в устройстве в течение нескольких недель, а не лет. Влияние DFT на органическую электронику не просто историческое; это постоянная и ускоряющая сила, которая будет продолжать управлять следующим поколением гибких, легких и эффективных электронных устройств.

Для читателей, заинтересованных в более глубоком техническом погружении, несколько превосходных обзорных статей и учебников охватывают DFT в контексте органической электроники. Известные ресурсы включают «Вычислительный дизайн органических полупроводников» в Химические обзоры , «Машинное обучение для обнаружения материалов» в Материалы для обзоров природы и пакет открытого доступа Quantum ESPRESSO для периодических расчетов DFT. Кроме того, «Лекарственные лаборатории самообслуживания» перспектива в Природа предлагает перспективный взгляд на то, как DFT вписывается в автономные экосистемы обнаружения материалов.