Deep learning has the potential to accelerate material discovery by rapidly and accurately identifying materials with desired properties within a vast chemical space, as it can effectively capture non-linear relationships between molecular and quantum chemical properties. In this thesis, we present a series of deep learning-based approaches aimed at efficiently discovering thermally activated delayed fluorescence (TADF) materials. First, we explore suitable molecular representations and model architectures for deep learning-based molecular property prediction tasks. Subsequently, we introduce a novel model architecture, namely dual geometric message passing, designed to provide precise predictions for quantum chemical properties that rely on two molecular geometries. Additionally, we propose a training framework capable of predicting high-level quantum properties using only easy-to-obtain molecular geometries. Building upon this framework, we introduce a novel approach for predicting barrier heights by integrating it with the dual geometric message passing architecture. Lastly, we propose a deep learning-based chemical similarity that enables the selection of molecules with similar quantum chemical properties to those found in existing TADF materials. Importantly, our approaches do not rely on domain-specific chemical properties unique to the field of TADF materials discovery. As such, we anticipate that our methods are readily applicable to various other materials discovery fields, extending well beyond the realm of TADF materials.
딥러닝은 분자와 양자 화학적 특성 간의 비선형 관계를 파악하여, 방대한 화학 공간에서 원하는 특성을 가진 물질을 빠르게 식별하여 물질 발견을 가속화할 수 있는 잠재력을 갖고 있다. 이 논문에서는 빠르고 높은 정확도로 열활성지연형광 물질을 발견하기 위한 몇 가지의 딥러닝 기반 특성 예측 방법론을 제안한다. 먼저, 딥러닝을 활용한 분자 특성 예측을 위한 적합한 분자 표현형과 모델 구조를 조사한다. 다음으로, 두 분자 구조에 의존하는 양자화학 특성을 정확히 예측하기 위한 새로운 이중 기하학 메시지라는 모델 구조를 제안한다. 추가로, 저렴한 구조만을 사용하여 고수준 양자 특성을 예측할 수 있는 학습법을 제안한다. 이어서 해당 학습법과 이중 기하학 메시지 전달을 통합하여 새로운 활성화 에너지 예측 방법론을 제안한다. 마지막으로, 기존 열활성지연형광 분자와 유사한 양자 화학적 특성을 가진 분자를 식별할 수 있는 딥러닝 기반 화학적 유사성을 제안한다. 우리의 모든 방법론은 어떠한 열활성지연형광 분야에 한정된 전문가 기반의 화학 특성을 활용하지 않기 때문에 열활성지연형광 재료 발견 뿐 아니라 다른 재료 발견 및 계산 과학 분야로 쉽게 확장될 수 있다.
