汤碧珺

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。