方维海，1955年12月22日出生于安徽省定远县，物理学家、化学家，中国科学院院士   ，北京师范大学化学系教授、博士生导师，北京师范大学化学学院院长。

1993年在北京师范大学化学系获博士学位；1998年8月进入北京师范大学工作；2013年12月增选为中国科学院院士。

方维海主要研究领域是分子光解离反应机理。

人工智能是一个非常大的领域，真正跟材料有关的是机器学习，机器学习也包括好几个方面，比较重要的是神经网络，完全模拟人脑的神经原。神经网络有很多不同类型，其中效率比较高的是深度学习，这是基本概念。在机器学习里还包含其他的分类、降维和回归等方法，这些可以联合起来使用。对于我们做材料的来讲，可能神经网络、深度学习以及回归分类的办法非常有帮助。

大数据做的事情，基本叫做材料基因组工程，借鉴于人类基因的概念。我们做了一些尝试。通过材料基因组工程把目标基因找到，需要大量数据，更需要把实验数据和理论紧密的结合在一起。一方面是提高效率，另一个方面是提高精度，从商业的角度上大大降低成本。晶体的数据库大概有16亿个不同的晶体结构，但这些是已有的材料，往往还不够，需要从化学空间来做，可以用三种途径构成最有效的大数据。在倍频晶体材料里从已有中筛选后，提出了材料基因组的概念。所谓的基因，就是最关键的核心集团，这样就可以仿照生物进行突变，把关键因素进行更改，之后直观进行检测，不合格就淘汰。

OLED光体材料，对外提取光非常重要，目前业内很难达到80%的效率，这是非常重要的。根据现有的OLED材料，打乱后让计算机把所有可能组合进行拼凑，让机器检测哪个能用，最后筛选出来真正成功的一例。首先，它的折射率比已有的都好。第二，可见光没有任何吸收，出光的时候全出去，只是在紫光外，有一点点吸收。在相同电压的情况下，它的亮度比用在商业上好很多，增加了30%左右。

再看看蓝寿命行不行，当厚度是600A到700A的时候，有一个大幅度的提高，寿命大大增强，这是每项数据测试的结果，绿光可以提高20%左右的寿命，对红光器件有更高的提升。红光的主体材料，发光效率跟参考的比能达到70%，主要原因是红光主体材料把得到的电传给真正发光的配合物。

参考资料

【1】微信公众号中科院科技转化（ID：ucasaati），院士说 | 方维海：三种途径构成最有效大数据，https://mp.weixin.qq.com/s/LSV8vKzKaR7rFKUvX1lCfA