CPL材料是OLED面板一种重要的辅助层材料，它可以提高OLED面板产生的光折射率,通过光吸收抑制实现OLED面板的最佳光学特性,有助于在提高功率效率的同时促进面板寿命的提高。CPL材料的关键性质有激发波长、红光折射率、蓝光折射率和绿光折射率。

本案例中我们将介绍CPL材料的模型训练、性质预测、分子筛选和逆向合成。

1. 计算数据

我们模拟计算了1000个CPL分子的激发波长、红光折射率、绿光折射率和蓝光折射率。

整理成海森平台支持的csv文件格式，第1列为有机分子的smiles码，第2列为单个性质（激发波长、红光折射率、绿光折射率和蓝光折射率）。

2. 模型训练

在海森大数据平台，分别训练激发波长、红光折射率、绿光折射率和蓝光折射率是个模型。下面已CPL激发波长模型为例。

-打开“AI材料设计”界面；

-在“模型训练”页面中，打开“开始训练模型”；

-上次整理好的激发波长csv文件，填写模型名称，点击“开始训练”；

-等待训练结束后，可看到模型的评价参数

-如果测试集R² < 0.6，建议在预选模型中选择其他模型，直到R² >  0.6，这样CPL激发波长模型就训练好了。

3. 性质预测

-.在“AI预测”-- “任务管理”页面中，打开“数据库检索预测”。

-在弹出窗口中绘制一个母核分子，填写任务名称、选择上一步训练好的溶解度模型，填写数量，点“子结构检索”。

-等待数据库中检索出子结构后，点“开始预测”。

-等待预测完成后，在任务列表中，点开“结果”，查看预测结果。

-通过设定与测试范围和排序，筛选出符合我们要求的分子。

4. 逆向合成

-在预测结果中复制想要合成的分子smiles码。

-打开平台的AI逆合成，在搜索框中粘贴smiles码，点搜索按钮获取逆向合成方案。

-参照第5节调节合成路径，获得合成方案。