王亮

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。

本文发展了一种功能化GQDs诱导的原位自下而上的策略用于制备近原子层2H-MoS2纳米片。通过理论计算结合实验结果表明，不同功能化GQDs在诱导合成ALQD过程中起着至关重要的作用。这种GQDs诱导策略合成条件温和，为拓展二硫化钼的催化应用提供了理论指导和实践方案。

本文提出了一种简单有效的一步合成法，在球磨过程中利用GQDs作为剥离剂来合成和功能化近原子层的MoS2纳米片（ALMS）。这种无溶剂方法展现了显著的优势，包括大规模生产的可扩展性、高产率以及消除对苛刻反应要求的需求，如，有机溶剂、催化剂或真空环境。

本研究为高效碳基催化剂的设计和制备提供了分子水平的调控方法。

南京林业大学/林产化学工业研究所蒋剑春院士团队的范孟孟副教授与上海大学王亮教授团队开发了一种大规模合成石墨烯/六方形氮化硼（G/h‐BN）多孔异质结的新途径。