深度学习模型用于合式纳米晶体合成
Kai Gu1, Yingping Liang2, Jiaming Su1
1MIIT Key Laboratory for Low-Dimensional Quantum Structure and Devices, School of Materials Sciences & Engineering, Beijing Institute of Technology, Beijing 100081, China.
ACS nano
|November 5, 2025
概括
本研究介绍了纳米晶体合成的深度学习模型,从反应参数预测尺寸和形状. 这种人工智能工具通过理解化学影响来加速高质量的纳米晶体的开发.
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:
- 纳米晶体的合合成涉及复杂的化学成分,因此很难将合成参数与材料特性联系起来.
- 尽管取得了进展,但对纳米晶体大小和形状的精确控制仍然是材料科学中的一个重大挑战.
研究的目的:
- 开发一种深度学习 (DL) 模型,根据合成参数来预测纳米晶体的大小和形状.
- 建立化学反应参数与合成纳米晶体的物理性质之间的相关性.
- 创建一个多功能工具,以加快纳米晶体合成的发现和优化.
主要方法:
- 一个基于DL的合成模型是使用348个纳米晶组成的3508个配方数据集开发的.
- 从传输电子显微镜图像中提取纳米晶体大小和形状数据,使用与半监督算法训练的细分模型.
- 基于反应中间体的数据增强和详细的描述符被用来提高模型性能.
主要成果:
- DL模型准确地预测了纳米晶体大小,平均绝对误差为1.39nm.
- 该模型在分类纳米晶体形状方面实现了89%的平均准确性.
- 该模型展示了不同纳米晶体类型的知识传输能力,并确定了对尺寸的关键化学影响.
结论:
- 开发的DL模型为预测和优化纳米晶体合成提供了强大而高效的方法.
- 这种方法通过阐明结构属性关系,显著加速了高质量的纳米晶体的发展.
- 该研究强调了人工智能在推进材料合成和设计方面的潜力.
