ACS Nano:机器学习助力高量子产率碳点的合成
芣苢 西瓜 2020-09-23

理解碳点(CDs)制备过程中反应参数的相关性对于优化合成策略,探索其奇特性质和开发潜在应用至关重要。然而,CDs合成的综合筛选实验数据量非常庞大。机器学习(ML)有望解决该问题,其最近已成功用于筛选高性能材料。近日,上海大学Liang Wang,Minghong Wu,新加坡南洋理工大学Zheng Liu等报道了通过基于ML的技术成功预测,优化和加速CDs合成过程。

本文要点:

1作者建立了水热合成CDs的回归分析ML模型,该模型能够揭示各种合成参数与实验结果之间的关系,并增强与过程相关的特性,例如荧光量子产率(QY)。

2通过ML指导和实验验证相结合,作者得到了QY高达39.3%的具有强绿色发射的CDs。

3通过ML模型发现,前驱体的质量和碱性催化剂的用量是合成高QY CDs的最重要因素。

4获得的CDs具有超强的光学性能,可用作监测Fe3+离子的超灵敏荧光探针。该探针在较宽的浓度范围(0-150μM)内对Fe3+离子表现出线性响应,其检测极限为0.039μM。

该工作证明了ML用于指导高质量CDs合成,加速了智能材料开发的巨大潜力。

image.png

Yu Han,et al. Machine Learning Driven Synthesis of Carbon Dots with Enhanced Quantum Yields. ACS Nano, 2020

DOI: 10.1021/acsnano.0c01899

https://pubs.acs.org/doi/10.1021/acsnano.0c01899

加载更多
1988

版权声明:

1) 本文仅代表原作者观点,不代表本平台立场,请批判性阅读! 2) 本文内容若存在版权问题,请联系我们及时处理。 3) 除特别说明,本文版权归纳米人工作室所有,翻版必究!
芣苢

团簇化学

发布文章:1720篇 阅读次数:2548722
纳米人
你好测试
copryright 2016 纳米人 闽ICP备16031428号-1

关注公众号