精确设计胶体纳米晶体（NCs, colloidal nanocrystals）对于光电、催化、医疗等领域的应用意义深远。目前胶体纳米粒子的设计仍然基于试错型策略。基于数据的合成对于发现胶体纳米粒子和研究机理都具有较大的意义。

有鉴于此，瑞士洛桑联邦理工学院Raffaella Buonsanti教授、Philippe Schwaller教授等报道提出基于目前先进的机器学习工具，能够通过处理较少的数据但是对胶体纳米粒子合成的典型参数下进行运行。

本文要点：

（1）

这种工具能够对指定反应条件和反应过程的参数，预测Cu胶体纳米粒子的形貌。通过从连续的能量对胶体纳米粒子的形貌进行分类，合成了未曾报道的形状为菱形十二面体（rhombic dodecahedron）的Cu胶体纳米粒子形貌，

这种方法将数据驱动、计算工具与材料化学之间进行集成。

（2）

这种发展有助于加快材料的发展和胶体纳米粒子合成的机理研究，因此能够推动合成原子结构尺度精确调控的材料合成。

参考文献

Ludovic Zaza, Bojana Ranković, Philippe Schwaller*, and Raffaella Buonsanti*, A Holistic Data-Driven Approach to Synthesis Predictions of Colloidal Nanocrystal Shapes, J. Am. Chem. Soc. 2025

DOI: 10.1021/jacs.4c17283

https://pubs.acs.org/doi/10.1021/jacs.4c17283