研究背景
近幾十年來(lái)，發(fā)光材料因其在發(fā)光二極管、生命醫(yī)學(xué)和太陽(yáng)能電池等領(lǐng)域的多功能光電應(yīng)用而受到了廣泛的關(guān)注。其中，碳量子點(diǎn)由于低成本、環(huán)境友好性、尺寸可調(diào)性和優(yōu)異的光學(xué)性能等特性，已成為一種很有前景的替代傳統(tǒng)發(fā)光材料。最近的研究表明，碳量子點(diǎn)的性質(zhì)不僅由其化學(xué)構(gòu)成決定，同時(shí)也受到其合成過(guò)程的影響。例如，碳量子點(diǎn)在不同的反應(yīng)溫度和反應(yīng)時(shí)間下，可能會(huì)表現(xiàn)出截然不同的發(fā)光特性。這種現(xiàn)象使得碳量子點(diǎn)的制備變得復(fù)雜，因?yàn)槌Ｓ玫乃疅岱ǖ群铣杉夹g(shù)涉及眾多參數(shù)，如溫度、反應(yīng)時(shí)長(zhǎng)、溶劑選擇以及催化劑的使用，這些因素共同構(gòu)成了一個(gè)廣闊而繁復(fù)的優(yōu)化空間。為了獲得特定性能的碳量子點(diǎn)，研究人員必須在實(shí)驗(yàn)室中進(jìn)行無(wú)數(shù)次的試驗(yàn)。這個(gè)過(guò)程既耗時(shí)又勞力，而且往往只能得到次優(yōu)的結(jié)果。
在探索碳量子點(diǎn)的合成過(guò)程中，研究人員一直面臨著如何優(yōu)化這些材料性能的挑戰(zhàn)。隨著機(jī)器學(xué)習(xí)技術(shù)的進(jìn)步，我們找到了一條新路。機(jī)器學(xué)習(xí)，作為一種先進(jìn)的人工智能技術(shù)，已經(jīng)證明了自己在解析材料描述符與所需屬性之間復(fù)雜關(guān)系上的價(jià)值，尤其是在處理高維和復(fù)雜的搜索空間時(shí)。然而，目前的研究大多數(shù)只關(guān)注于材料的單一目標(biāo)性能，這在實(shí)際材料設(shè)計(jì)中是不足夠的。例如，熒光碳量子點(diǎn)的光學(xué)特性包括兩個(gè)關(guān)鍵的性能指標(biāo)——光致發(fā)光波長(zhǎng)和量子產(chǎn)率，它們共同決定了材料的光學(xué)性能。此外，以往的研究即使聚焦于單一特性，也需要大量的實(shí)驗(yàn)或計(jì)算數(shù)據(jù)（通常不少于500組），才能達(dá)到預(yù)期的目標(biāo)。面對(duì)如此龐大的搜索空間和多重目標(biāo)屬性，尋找最優(yōu)的合成條件變得異常艱難。這就迫切需要我們開(kāi)發(fā)出一種高效的優(yōu)化策略，這種策略不僅能夠利用機(jī)器學(xué)習(xí)模型，而且能在解決多個(gè)期望特性方面發(fā)揮同步作用。
文章簡(jiǎn)介
近日，上海大學(xué)王亮研究員團(tuán)隊(duì)聯(lián)合新加坡南洋理工大學(xué)劉政教授團(tuán)隊(duì)、關(guān)存太教授團(tuán)隊(duì)近日在人工智能引領(lǐng)諾獎(jiǎng)級(jí)量子點(diǎn)材料性能取得重要進(jìn)展。相關(guān)成果以“Machine learning-guided realization of full-color high-quantum-yield carbon quantum dots”發(fā)表在國(guó)際知名期刊《Nature Communications》(影響因子為16.6)。本研究提出了一種創(chuàng)新的多目標(biāo)優(yōu)化策略，借助機(jī)器學(xué)習(xí)(ML)人工智能算法來(lái)指導(dǎo)碳量子點(diǎn)的合成過(guò)程。通過(guò)閉環(huán)方法從有限且稀疏的數(shù)據(jù)中學(xué)習(xí)，大幅縮短研究周期，超越了傳統(tǒng)的試錯(cuò)方法。此外，該方法還揭示了合成參數(shù)與目標(biāo)屬性之間的復(fù)雜聯(lián)系，并統(tǒng)一目標(biāo)函數(shù)以優(yōu)化多個(gè)期望屬性，如全色光致發(fā)光(PL)波長(zhǎng)和高PL量子產(chǎn)率(PLQY)。僅通過(guò)63次實(shí)驗(yàn)，就實(shí)現(xiàn)了全色熒光碳量子點(diǎn)的合成，其高PLQY超過(guò)60%。該研究代表了ML引導(dǎo)碳量子點(diǎn)合成的重要進(jìn)展，為開(kāi)發(fā)具有多個(gè)期望屬性的新材料奠定了基礎(chǔ)。
圖1. ML指導(dǎo)合成具有優(yōu)越光學(xué)性質(zhì)碳量子點(diǎn)的流程示意圖
圖2. 基于ML的MOO策略指導(dǎo)下的全色熒光碳量子點(diǎn)合成評(píng)價(jià)
圖3. 全色熒光碳量子點(diǎn)的光學(xué)性質(zhì)
圖4. 全色熒光碳量子點(diǎn)的形態(tài)表征及合成參數(shù)與光學(xué)性質(zhì)的關(guān)系分析
本文要點(diǎn)
要點(diǎn)一：首次利用機(jī)器學(xué)習(xí)的MOO策略實(shí)現(xiàn)了碳量子點(diǎn)的多目標(biāo)合成優(yōu)化：PL波長(zhǎng)覆蓋410-645 nm（即全色），且全部7個(gè)顏色的PLQY超過(guò)60%。
要點(diǎn)二：該模型基于23個(gè)初始數(shù)據(jù)，通過(guò)復(fù)雜的閉環(huán)系統(tǒng)，僅經(jīng)過(guò)20次迭代就完成了所需性質(zhì)的優(yōu)化（每次序列執(zhí)行兩個(gè)最優(yōu)推薦條件），累計(jì)涉及63個(gè)實(shí)驗(yàn)。
要點(diǎn)三：揭示了合成參數(shù)和最終目標(biāo)之間的復(fù)雜相關(guān)性。
文章鏈接:
Machine Learning-Guided Realization of Full-Color High-Quantum-Yield Carbon Quantum Dots
Huazhang Guo#, Yuhao Lu#, Zhendong Lei#, Hong Bao#, Mingwan Zhang, Zeming Wang, Cuntai Guan*, Bijun Tang*, Zheng Liu*, Liang Wang*Nat. Commun.
DOI: https://www.nature.com/articles/s41467-024-49172-6
上海大學(xué)博士后郭華章、南洋理工大學(xué)博士鹿雨豪和雷振東博士后、上海大學(xué)碩士研究生鮑紅為共同第一作者，共同通訊作者為上海大學(xué)王亮研究員、南洋理工大學(xué)劉政教授、湯碧珺特聘研究員和關(guān)存太教授。
通訊作者簡(jiǎn)介
王亮
本文通訊作者
上海大學(xué) 研究員
主要研究領(lǐng)域
零維功能碳材料的設(shè)計(jì)、合成和綠色催化應(yīng)用。
主要研究成果
一直從事碳納米功能材料的綠色可控制備與應(yīng)用相關(guān)研究工作，近年來(lái)在Science Advance、Nature Communications、Advanced Materials、Advanced Functional Materials、Materials Today、Angewandte Chemie International Edition和ACS Nano等期刊上發(fā)表SCI論文100余篇，其中熱點(diǎn)論文4篇，ESI高倍引論文18篇，封面論文8篇，論文他引次數(shù)超過(guò)8500次，h-index為50。先后主持國(guó)家自然科學(xué)基金面上項(xiàng)目、國(guó)家自然科學(xué)基金青年項(xiàng)目、上海市浦江人才計(jì)劃、上海市青年科技英才揚(yáng)帆計(jì)劃、中國(guó)博士后基金、上海市博士后基金等多項(xiàng)基金。2022年入選上海市東方學(xué)者。
Email: wangl@shu.edu.cn
課題組網(wǎng)站：https://www.x-mol.com/groups/wangliang
劉政
本文通訊作者
新加坡南洋理工大學(xué) 教授
主要研究領(lǐng)域
二維材料的合成與應(yīng)用。近年的工作主要集中在二維過(guò)渡金屬硫化物等材料的合成與光電器件和催化應(yīng)用。
主要研究成果
已發(fā)表了350多篇論文，其中包括Nature和Science系列期刊50余篇，引用超過(guò)60000次，h-index為123，高引論文60多篇，連續(xù)五年入選科睿唯安全球高被引科學(xué)家。所獲獎(jiǎng)項(xiàng)包括：亞太經(jīng)合組織科學(xué)創(chuàng)新、研究和教育獎(jiǎng)（ASPIRE獎(jiǎng)），新加坡青年科學(xué)家獎(jiǎng)，ICON-2DMAT青年科學(xué)家，Asia’s Rising Scientists，ACS Nano Rising Star Lecture, Nano Research Young Star Editors，南洋研究獎(jiǎng)等。現(xiàn)任新加坡南洋理工大學(xué)校長(zhǎng)講席教授及新加坡材料研究學(xué)會(huì)講席教授。
Email: Z.Liu@ntu.edu.sg
湯碧珺
本文通訊作者
新加坡南洋理工大學(xué) 特聘研究員
主要研究領(lǐng)域
新型二維材料的制備與應(yīng)用。人工智能驅(qū)動(dòng)的材料科學(xué)研究
主要研究成果
在Nature, Nature Materials, Nature Electronics, Nature Synthesis等頂級(jí)學(xué)術(shù)期刊發(fā)表學(xué)術(shù)論文30余篇，其中以第一/共一/通訊作者身份在Nature Electronics, Nature Communications, Advanced Materials，Materials Today，Advanced Functional Materials，JACS，ACS Nano等發(fā)表SCI論文10篇，總影響因子達(dá)200。所獲獎(jiǎng)項(xiàng)包括：福布斯亞洲30歲以下精英榜，南洋理工大學(xué)校長(zhǎng)博士后研究基金，國(guó)家優(yōu)秀自費(fèi)留學(xué)生獎(jiǎng)學(xué)金，南洋理工大學(xué)理工科女性發(fā)展基金等。
Email: bjtang@ntu.edu.sg
關(guān)存太
本文通訊作者
新加坡南洋理工大學(xué) 教授
主要研究領(lǐng)域
非植入式腦機(jī)接口、神經(jīng)工程和人工智能。他長(zhǎng)期專注于腦機(jī)接口的算法研究和系統(tǒng)研究，及其在醫(yī)療領(lǐng)域的應(yīng)用。
主要研究成果
新加坡工程院院士(Academy of Engineering Singapore)、美國(guó)國(guó)家發(fā)明家科學(xué)院院士(National Academy of Inventors USA)、國(guó)際電氣電子工程師學(xué)會(huì)會(huì)士(IEEE Fellow)、美國(guó)醫(yī)學(xué)與生物工程學(xué)會(huì)會(huì)士(AIMBE Felow)。已發(fā)表超過(guò)400篇期刊和會(huì)議論文（引用超過(guò)27,000次）。擁有超過(guò)25項(xiàng)國(guó)際授權(quán)專利和申請(qǐng)，共有15項(xiàng)專利和技術(shù)完成產(chǎn)業(yè)化，技術(shù)轉(zhuǎn)讓給多家公司。因腦機(jī)接口研究的貢獻(xiàn)而獲得國(guó)際腦機(jī)接口年度研究獎(jiǎng)一等獎(jiǎng)、薩勒曼國(guó)王殘障研究國(guó)際大獎(jiǎng)、南洋研究獎(jiǎng)、新加坡杰出工程成就獎(jiǎng)等。現(xiàn)任新加坡南洋理工大學(xué)校長(zhǎng)講席教授、南洋理工大學(xué)人工智能研究院院長(zhǎng)、新加坡康復(fù)研究院聯(lián)席院長(zhǎng)、先進(jìn)智能研究院聯(lián)席院長(zhǎng)、和腦計(jì)算研究中心主任。
Email: ctguan@ntu.edu.sg
