博士后郭华章和硕士生鲍红合作文章“Machine learning-guided realization of full-color high-quantum-yield carbon quantum dots”被《Nature Communications》（中科院1区，IF=16.6）接收发表！

碳量子点（CQDs）在发光方面有多种应用，但由于合成参数众多且期望结果多样，识别最佳合成条件一直具有挑战性，形成了巨大的搜索空间。在本研究中，我们提出了一种新颖的多目标优化策略，利用机器学习（ML）算法智能引导CQDs的水热合成。

（1）该研究通过闭环方法从有限且稀疏的数据中学习，大大缩短了研究周期，并超越了传统的试错方法。

（2）此外，它还揭示了合成参数与目标特性之间的复杂联系，并统一了目标函数以优化全色光致发光（PL）波长和高PL量子产率（PLQY）等多种期望特性。

（3）通过仅仅63次实验，实现了高于60%的高PLQY全色荧光CQDs的合成。

该研究代表了ML引导的CQDs合成的重大进展，为开发具有多种期望特性的新材料奠定了基础。

文章链接：https://doi.org/10.5281/zenodo.11173329