合成器:用于精确控制纳米晶体生长的化学感知机器学习
Nina A Henke1, Leo Luber1, Ioannis Kouroudis2
1Nanospectroscopy Group and Center for NanoScience (CeNS), Nanoinstitute Munich Department of Physics Ludwig-Maximilians-Universität (LMU) München, 80539, Munich, Germany.
Advanced materials (Deerfield Beach, Fla.)
|November 5, 2025
概括
一个新的机器学习框架,Synthesizer,可以精确控制纳米晶体合成以量身定制的光学特性. 这个平台通过优化化矿矿纳米晶体以nm级精度来加速材料的发现.
科学领域:
- 材料科学 材料科学 材料科学
- 纳米技术 纳米技术
- 人工智能的人工智能
背景情况:
- 对纳米晶体合成的精确控制对于调整化 Perowskites 的光学特性至关重要.
- 当前的方法在实现可重现和定制的结果方面面临挑战.
- 开发适应性框架用于纳米晶体优化是必不可少的.
研究的目的:
- 为纳米晶体合成优化引入一种广泛可采用的,以机器学习为指导的框架.
- 为了证明纳米级精度调整化 Perowskites 的光学特性.
- 建立一个实用的平台来加速材料的发现.
主要方法:
- 在合成器框架内利用高斯过程回归和贝叶斯优化.
- 采用化学意识的分子编码和系统的特征工程.
- 将可解释的机器学习工具翻译成一个用于优化环境条件的桌面平台.
主要成果:
- 在CsPbBr3纳米晶体的光发光峰调 (430nm到520nm) 中实现了nm级精度.
- 通过横向封闭控制,获得了70 meV的基准窄线宽.
- 证明了强大的光发光量子产量优化,并确定了关键机械参数.
结论:
- 合成器为数据高效,不确定性意识的合成设计提供了一个准备采用的平台.
- 该框架使可重复的途径能够加速在化 Perowskites 和其他地方的材料发现.
- 在不同的化学空间和材料系统 (CsPbI3) 中确认了可通用性.


