一种预测受体小分子最低三线态激发态能量的方法

本发明公开了一种预测受体小分子最低三线态激发态能量的方法，采集数据并执行密度泛函理论(DFT)计算，以构建一个包含分子以及其构筑片段ET1能量(即描述符)的数据库；依据ITIC系列分子修饰策略将各构筑单元的结构特征进行统计分析，并归得到多余因子σexc；利用经多余因子σexc修饰后的描述符，通过机器学习算法来预测分子的T1。本申请提出了多余因子这一修正参数，应用于ML算法的高性能A‑D‑A OPV材料快速设计和筛选框架。从构效关系出发，在多余因子的修饰下，以构建单元预测分子的T1，运用机器学习数学量化数据关系的手段对分子的光伏特性进行耦合，该方法具有良好的可解释性。通过训练的ML模型，实现了基于分子构筑单元直接的、快速的和准确的ET1预测。