.png){kind=icon}
返回
Leveling Up Upconverting Nanoparticles with Machine Learning
.png){kind=icon}
PRE
AI
DOI：10.1021/acs.accounts.6c00187.png)
.png){kind=icon}
原文求助.png){kind=icon}
分享.png){kind=icon}
收藏
摘要
En 中文
综述上转换纳米颗粒（UCNPs）将低能光转化为高能光子，使其在亚波长和亚表面成像、纳米级传感、治疗、光遗传学、打印和光学计算等领域得到应用。然而，UCNPs的广泛应用受到其亮度低和光谱可调性有限的阻碍。预测理想的纳米颗粒结构以克服这些限制具有挑战性，因为UCNP的光物理过程由高度非线性、复杂的能量传递网络主导，这些网络跨越了稀土掺杂剂的激发态。由于掺杂剂种类、浓度、基质、异质结构和反应条件的组合数量庞大，使用传统的试错方法优化UCNP的组成和合成参数是不可行的。本文探讨了研究人员如何利用人工智能（AI）和机器学习（ML）克服这些挑战并提升UCNP的性能。我们首先回顾了AI引导发现的早期基础是如何通过自动化实验流程和物理建模建立的。利用机器人合成平台和微分速率方程模型，研究人员成功地在高维组成空间中导航，揭示了纳米颗粒中的光学现象，如能量循环和光子雪崩。基于这些数据驱动的方法，ML最初被整合到UCNP研究中，用于处理原始表征数据，例如自动分析透射电子显微镜（TEM）图像和时间分辨发光曲线。AI方法已被扩展到解释利用UCNPs的应用中的信号，例如基于上转换发光显微镜数据对药物细胞毒性进行分类。最重要的是，ML正在推动新型UCNP组成和结构的设计，包括我们近期开发的UCNP核-壳异质结构的闭环主动学习。通过结合贝叶斯优化与动力学蒙特卡罗（kMC）模拟，我们在仅40次迭代内实现了UCNP发射增强110倍。为避免模拟具有多达9层壳的UCNP异质结构的巨大计算成本，我们利用基于异质图神经网络的可微分深度学习代理模型进行逆向设计。值得注意的是，这些异质GNN能够远远超出模型的训练数据范围，并预测出比训练集中最亮的UCNP发射强度高6.5倍的UCNP异质结构组成。未来，我们预测AI/ML方法将成为UCNP研究的核心部分。UCNP实验可能很快将由自主自动驾驶实验室加速，其中机器人合成、在线表征和ML智能体在闭环反馈中智能探索未充分研究的化学空间。大型语言模型（LLMs）可以解析文献以开发用于这些自主工作流程的整体假设和详细配方，而生成模型则建议新颖的结构进行测试。与人类的创造力和批判性分析相结合，这些AI工具将加速先进上转换纳米材料的发现，促进对其机制的深入理解，并激发更广泛的光子学应用。
Keyword:
Luminescence
Machine learning
Nanocrystals
Nanoparticles
Optimization
期刊
IF:
17.7
论文数:
6.3K
被引数:
8.7W
机构
引用论文
Active Learning of Ligands That Enhance Perovskite Nanocrystal Luminescence增强钙钛矿纳米晶体发光的配体的主动学习.png)
ACS NANO
OAAI
ACS NANOIF16
OAAI分享收藏Autonomous discovery of optically active chiral inorganic perovskite nanocrystals through an intelligent cloud lab通过智能云实验室自主发现光学活性手性无机钙钛矿纳米晶体NATURE COMMUNICATIONS
OAAI
NATURE COMMUNICATIONSIF15.7
OAAI分享收藏分享收藏分享收藏Towards accurate real-time luminescence thermometry: An automated machine learning approach走向精确的实时发光测温: 一种自动机器学习方法OAAI
OAAI分享收藏Crystal Graph Convolutional Neural Networks for an Accurate and Interpretable Prediction of Material Properties晶体图卷积神经网络用于准确和可解释的材料特性预测OAAI
OAAI分享收藏分享收藏Controlled Assembly of Upconverting Nanoparticles for Low-Threshold Microlasers and Their Imaging in Scattering MediaACS NANOOAAI
ACS NANOIF16
OAAI分享收藏
查看更多内容