上海大學/南洋理工大學最新Nature子刊：人工智能引領諾獎級量子點材料性能新突破

研究背景

近幾十年來，發光材料因其在發光二極管、生命醫學和太陽能電池等領域的多功能光電應用而受到了廣泛的關注。其中，碳量子點由于低成本、環境友好性、尺寸可調性和優異的光學性能等特性，已成為一種很有前景的替代傳統發光材料。最近的研究表明，碳量子點的性質不僅由其化學構成決定，同時也受到其合成過程的影響。例如，碳量子點在不同的反應溫度和反應時間下，可能會表現出截然不同的發光特性。這種現象使得碳量子點的制備變得復雜，因為常用的水熱法等合成技術涉及眾多參數，如溫度、反應時長、溶劑選擇以及催化劑的使用，這些因素共同構成了一個廣闊而繁復的優化空間。為了獲得特定性能的碳量子點，研究人員必須在實驗室中進行無數次的試驗。這個過程既耗時又勞力，而且往往只能得到次優的結果。

在探索碳量子點的合成過程中，研究人員一直面臨著如何優化這些材料性能的挑戰。隨著機器學習技術的進步，我們找到了一條新路。機器學習，作為一種先進的人工智能技術，已經證明了自己在解析材料描述符與所需屬性之間復雜關系上的價值，尤其是在處理高維和復雜的搜索空間時。然而，目前的研究大多數只關注于材料的單一目標性能，這在實際材料設計中是不足夠的。例如，熒光碳量子點的光學特性包括兩個關鍵的性能指標——光致發光波長和量子產率，它們共同決定了材料的光學性能。此外，以往的研究即使聚焦于單一特性，也需要大量的實驗或計算數據（通常不少于500組），才能達到預期的目標。面對如此龐大的搜索空間和多重目標屬性，尋找最優的合成條件變得異常艱難。這就迫切需要我們開發出一種高效的優化策略，這種策略不僅能夠利用機器學習模型，而且能在解決多個期望特性方面發揮同步作用。

文章簡介

近日，上海大學王亮研究員團隊聯合新加坡南洋理工大學劉政教授團隊、關存太教授團隊近日在人工智能引領諾獎級量子點材料性能取得重要進展。相關成果以“Machine learning-guided realization of full-color high-quantum-yield carbon quantum dots”發表在國際知名期刊《Nature Communications》(影響因子為16.6)。本研究提出了一種創新的多目標優化策略，借助機器學習(ML)人工智能算法來指導碳量子點的合成過程。通過閉環方法從有限且稀疏的數據中學習，大幅縮短研究周期，超越了傳統的試錯方法。此外，該方法還揭示了合成參數與目標屬性之間的復雜聯系，并統一目標函數以優化多個期望屬性，如全色光致發光(PL)波長和高PL量子產率(PLQY)。僅通過63次實驗，就實現了全色熒光碳量子點的合成，其高PLQY超過60%。該研究代表了ML引導碳量子點合成的重要進展，為開發具有多個期望屬性的新材料奠定了基礎。

圖1. ML指導合成具有優越光學性質碳量子點的流程示意圖

圖2. 基于ML的MOO策略指導下的全色熒光碳量子點合成評價

圖3. 全色熒光碳量子點的光學性質

圖4. 全色熒光碳量子點的形態表征及合成參數與光學性質的關系分析

本文要點

要點一：首次利用機器學習的MOO策略實現了碳量子點的多目標合成優化：?PL波長覆蓋410-645?nm（即全色），且全部7個顏色的PLQY超過60%。

要點二：該模型基于23個初始數據，通過復雜的閉環系統，僅經過20次迭代就完成了所需性質的優化（每次序列執行兩個最優推薦條件），累計涉及63個實驗。

要點三：揭示了合成參數和最終目標之間的復雜相關性。

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

上海大學博士后郭華章、南洋理工大學博士鹿雨豪和雷振東博士后、上海大學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王亮研究員、南洋理工大學劉政教授、湯碧珺特聘研究員和關存太教授。

通訊作者簡介

王亮

本文通訊作者

上海大學?研究員

▍主要研究領域
零維功能碳材料的設計、合成和綠色催化應用。

▍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用相關研究工作，近年來在Science Advance、Nature Communications、Advanced Materials、Advanced Functional Materials、Materials Today、Angewandte Chemie International Edition和ACS Nano等期刊上發表SCI論文100余篇，其中熱點論文4篇，ESI高倍引論文18篇，封面論文8篇，論文他引次數超過8500次，h-index為50。先后主持國家自然科學基金面上項目、國家自然科學基金青年項目、上海市浦江人才計劃、上海市青年科技英才揚帆計劃、中國博士后基金、上海市博士后基金等多項基金。2022年入選上海市東方學者。

▍Email: wangl@shu.edu.cn

課題組網站：https://www.x-mol.com/groups/wangliang

劉政

本文通訊作者

新加坡南洋理工大學?教授

▍主要研究領域

二維材料的合成與應用。近年的工作主要集中在二維過渡金屬硫化物等材料的合成與光電器件和催化應用。

▍主要研究成果

已發表了350多篇論文，其中包括Nature和Science系列期刊50余篇，引用超過60000次，h-index為123，高引論文60多篇，連續五年入選科睿唯安全球高被引科學家。所獲獎項包括：亞太經合組織科學創新、研究和教育獎（ASPIRE獎），新加坡青年科學家獎，ICON-2DMAT青年科學家，Asia’s Rising Scientists，ACS Nano Rising Star Lecture, Nano Research Young Star Editors，南洋研究獎等。現任新加坡南洋理工大學校長講席教授及新加坡材料研究學會講席教授。

▍Email: Z.Liu@ntu.edu.sg

?

湯碧珺

本文通訊作者

新加坡南洋理工大學?特聘研究員

▍主要研究領域

新型二維材料的制備與應用。人工智能驅動的材料科學研究

▍主要研究成果

在Nature, Nature Materials, Nature Electronics, Nature Synthesis等頂級學術期刊發表學術論文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等發表SCI論文10篇，總影響因子達200。所獲獎項包括：福布斯亞洲30歲以下精英榜，南洋理工大學校長博士后研究基金，國家優秀自費留學生獎學金，南洋理工大學理工科女性發展基金等。

▍Email: bjtang@ntu.edu.sg

?

關存太

本文通訊作者

新加坡南洋理工大學?教授

▍主要研究領域

非植入式腦機接口、神經工程和人工智能。他長期專注于腦機接口的算法研究和系統研究，及其在醫療領域的應用。

▍主要研究成果

新加坡工程院院士(Academy of Engineering Singapore)、美國國家發明家科學院院士(National Academy of Inventors USA)、國際電氣電子工程師學會會士(IEEE Fellow)、美國醫學與生物工程學會會士(AIMBE Felow)。已發表超過400篇期刊和會議論文（引用超過27,000次）。擁有超過25項國際授權專利和申請，共有15項專利和技術完成產業化，技術轉讓給多家公司。因腦機接口研究的貢獻而獲得國際腦機接口年度研究獎一等獎、薩勒曼國王殘障研究國際大獎、南洋研究獎、新加坡杰出工程成就獎等。現任新加坡南洋理工大學校長講席教授、南洋理工大學人工智能研究院院長、新加坡康復研究院聯席院長、先進智能研究院聯席院長、和腦計算研究中心主任。

▍Email: ctguan@ntu.edu.sg