研究背景
近几十年来，发光材料因其在发光二极管、生命医学和太阳能电池等领域的多功能光电应用而受到了广泛的关注。其中，碳量子点由于低成本、环境友好性、尺寸可调性和优异的光学性能等特性，已成为一种很有前景的替代传统发光材料。最近的研究表明，碳量子点的性质不仅由其化学构成决定，同时也受到其合成过程的影响。例如，碳量子点在不同的反应温度和反应时间下，可能会表现出截然不同的发光特性。这种现象使得碳量子点的制备变得复杂，因为常用的水热法等合成技术涉及众多参数，如温度、反应时长、溶剂选择以及催化剂的使用，这些因素共同构成了一个广阔而繁复的优化空间。为了获得特定性能的碳量子点，研究人员必须在实验室中进行无数次的试验。这个过程既耗时又劳力，而且往往只能得到次优的结果。
在探索碳量子点的合成过程中，研究人员一直面临着如何优化这些材料性能的挑战。随着机器学习技术的进步，我们找到了一条新路。机器学习，作为一种先进的人工智能技术，已经证明了自己在解析材料描述符与所需属性之间复杂关系上的价值，尤其是在处理高维和复杂的搜索空间时。然而，目前的研究大多数只关注于材料的单一目标性能，这在实际材料设计中是不足够的。例如，荧光碳量子点的光学特性包括两个关键的性能指标——光致发光波长和量子产率，它们共同决定了材料的光学性能。此外，以往的研究即使聚焦于单一特性，也需要大量的实验或计算数据（通常不少于500组），才能达到预期的目标。面对如此庞大的搜索空间和多重目标属性，寻找最优的合成条件变得异常艰难。这就迫切需要我们开发出一种高效的优化策略，这种策略不仅能够利用机器学习模型，而且能在解决多个期望特性方面发挥同步作用。
文章简介
近日，上海大学王亮研究员团队联合新加坡南洋理工大学刘政教授团队、关存太教授团队近日在人工智能引领诺奖级量子点材料性能取得重要进展。相关成果以“Machine learning-guided realization of full-color high-quantum-yield carbon quantum dots”发表在国际知名期刊《Nature Communications》(影响因子为16.6)。本研究提出了一种创新的多目标优化策略，借助机器学习(ML)人工智能算法来指导碳量子点的合成过程。通过闭环方法从有限且稀疏的数据中学习，大幅缩短研究周期，超越了传统的试错方法。此外，该方法还揭示了合成参数与目标属性之间的复杂联系，并统一目标函数以优化多个期望属性，如全色光致发光(PL)波长和高PL量子产率(PLQY)。仅通过63次实验，就实现了全色荧光碳量子点的合成，其高PLQY超过60%。该研究代表了ML引导碳量子点合成的重要进展，为开发具有多个期望属性的新材料奠定了基础。
图1. ML指导合成具有优越光学性质碳量子点的流程示意图
图2. 基于ML的MOO策略指导下的全色荧光碳量子点合成评价
图3. 全色荧光碳量子点的光学性质
图4. 全色荧光碳量子点的形态表征及合成参数与光学性质的关系分析
本文要点
要点一：首次利用机器学习的MOO策略实现了碳量子点的多目标合成优化：PL波长覆盖410-645 nm（即全色），且全部7个颜色的PLQY超过60%。
要点二：该模型基于23个初始数据，通过复杂的闭环系统，仅经过20次迭代就完成了所需性质的优化（每次序列执行两个最优推荐条件），累计涉及63个实验。
要点三：揭示了合成参数和最终目标之间的复杂相关性。
文章链接:
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
上海大学博士后郭华章、南洋理工大学博士鹿雨豪和雷振东博士后、上海大学硕士研究生鲍红为共同第一作者，共同通讯作者为上海大学王亮研究员、南洋理工大学刘政教授、汤碧珺特聘研究员和关存太教授。
通讯作者简介
王亮
本文通讯作者
上海大学 研究员
主要研究领域
零维功能碳材料的设计、合成和绿色催化应用。
主要研究成果
一直从事碳纳米功能材料的绿色可控制备与应用相关研究工作，近年来在Science Advance、Nature Communications、Advanced Materials、Advanced Functional Materials、Materials Today、Angewandte Chemie International Edition和ACS Nano等期刊上发表SCI论文100余篇，其中热点论文4篇，ESI高倍引论文18篇，封面论文8篇，论文他引次数超过8500次，h-index为50。先后主持国家自然科学基金面上项目、国家自然科学基金青年项目、上海市浦江人才计划、上海市青年科技英才扬帆计划、中国博士后基金、上海市博士后基金等多项基金。2022年入选上海市东方学者。
Email: wangl@shu.edu.cn
课题组网站：https://www.x-mol.com/groups/wangliang
刘政
本文通讯作者
新加坡南洋理工大学 教授
主要研究领域
二维材料的合成与应用。近年的工作主要集中在二维过渡金属硫化物等材料的合成与光电器件和催化应用。
主要研究成果
已发表了350多篇论文，其中包括Nature和Science系列期刊50余篇，引用超过60000次，h-index为123，高引论文60多篇，连续五年入选科睿唯安全球高被引科学家。所获奖项包括：亚太经合组织科学创新、研究和教育奖（ASPIRE奖），新加坡青年科学家奖，ICON-2DMAT青年科学家，Asia’s Rising Scientists，ACS Nano Rising Star Lecture, Nano Research Young Star Editors，南洋研究奖等。现任新加坡南洋理工大学校长讲席教授及新加坡材料研究学会讲席教授。
Email: Z.Liu@ntu.edu.sg
汤碧珺
本文通讯作者
新加坡南洋理工大学 特聘研究员
主要研究领域
新型二维材料的制备与应用。人工智能驱动的材料科学研究
主要研究成果
在Nature, Nature Materials, Nature Electronics, Nature Synthesis等顶级学术期刊发表学术论文30余篇，其中以第一/共一/通讯作者身份在Nature Electronics, Nature Communications, Advanced Materials，Materials Today，Advanced Functional Materials，JACS，ACS Nano等发表SCI论文10篇，总影响因子达200。所获奖项包括：福布斯亚洲30岁以下精英榜，南洋理工大学校长博士后研究基金，国家优秀自费留学生奖学金，南洋理工大学理工科女性发展基金等。
Email: bjtang@ntu.edu.sg
关存太
本文通讯作者
新加坡南洋理工大学 教授
主要研究领域
非植入式脑机接口、神经工程和人工智能。他长期专注于脑机接口的算法研究和系统研究，及其在医疗领域的应用。
主要研究成果
新加坡工程院院士(Academy of Engineering Singapore)、美国国家发明家科学院院士(National Academy of Inventors USA)、国际电气电子工程师学会会士(IEEE Fellow)、美国医学与生物工程学会会士(AIMBE Felow)。已发表超过400篇期刊和会议论文（引用超过27,000次）。拥有超过25项国际授权专利和申请，共有15项专利和技术完成产业化，技术转让给多家公司。因脑机接口研究的贡献而获得国际脑机接口年度研究奖一等奖、萨勒曼国王残障研究国际大奖、南洋研究奖、新加坡杰出工程成就奖等。现任新加坡南洋理工大学校长讲席教授、南洋理工大学人工智能研究院院长、新加坡康复研究院联席院长、先进智能研究院联席院长、和脑计算研究中心主任。
Email: ctguan@ntu.edu.sg
