胶体纳米晶合成模型

配方驱动物性预测

一种基于深度学习的模型，可直接由合成配方预测胶体纳米晶的尺寸与形状，减少试错实验。

Gu, Kai · Liang, Yingping · Peihan, Sun · Peng, Jia · 缪奶华 · 孙志梅 · 付莹 · 钟海政 · 张君

ACS Nano 2025

参数信息

尺寸预测平均绝对误差

1.39 nm

形状分类准确率

89 %

训练数据配方数

3508

纳米晶组成数

348

技术优势

省去试错

模型直接由配方预测产物尺寸和形状，无需实际合成即可筛选条件。

覆盖广泛

训练数据涵盖 348 种纳米晶组成，可迁移到新体系。

数据增强

利用反应中间体数据增强方法，提升模型对少样本配方的泛化能力。

可迁移

输入新配方即可迁移到不同纳米晶体系，无需从头训练。

应用场景

• 胶体纳米晶合成：研究者输入配方即可预测产物尺寸与形状，避免盲目试错，加速合成条件筛选。
• 材料配方优化：快速评估不同配方的产物属性，辅助优化组分比例与工艺参数。
• 纳米材料光学性质：尺寸与形状预测可间接指导光学性质调控，帮助制备特定发光波长的纳米晶。