纳米颗粒(NP)的表征是至关重要的，因为在合成的NP混合物中不可避免地会出现不同的形状、大小和形态，从而深刻地影响着它们的性能和应用。目前，同时确定这些结构参数的唯一技术是电子显微镜，但它既耗时又繁琐。

在这里，南洋理工大学Xing Yi Ling，Chi Seng Pun创建了一个三维(3D)NP结构空间来同时确定1000组合成的含干扰纳米球和纳米线的银纳米立方体混合物的纯度、尺寸和形状，获得了2.7-7.9%的低预测误差。

文章要点

1）研究人员首先使用等离子体驱动的特征浓缩从光谱中提取局域表面等离子体共振属性，并建立套索回归(LR)模型来预测纯度、大小和形状。

2）利用学习的LR，人工生成425,592个增广消光光谱来克服数据稀缺，并创建一个全面的NP结构空间来从结构参数双向预测消光光谱，误差小于4%。

3）可解释的NP结构空间进一步阐明了两个高阶组合的电偶极、四极和磁偶极子作为关键结构参数预测因子。通过结合其他NP形状和混合物的消光光谱，这种方法，特别是数据增强，可以创建一个完全可推广的NP结构空间，以驱动按需、自主的合成表征平台。

参考文献

Emily Xi Tan, et al, Creating 3D Nanoparticle Structural Space via Data Augmentation to Bidirectionally Predict Nanoparticle Mixture’s Purity, Size, and Shape from Extinction Spectra, Angew. Chem. Int. Ed. 2024, e202317978

DOI: 10.1002/anie.202317978

https://doi.org/10.1002/anie.202317978