【儀表網(wǎng) 研發(fā)快訊】近日，中國科學院上海微系統(tǒng)與信息技術(shù)研究所納米材料與器件實驗室丁古巧團隊在石墨烯量子點制備及熒光機制研究方面取得重要進展。該工作加深了對石墨烯量子點發(fā)光機理的理解，同時實現(xiàn)了對多變量體系下機器學習輔助材料制備結(jié)果所包含物理內(nèi)涵的闡釋。相關(guān)論文以 “Precursor Symmetry Triggered Modulation of Fluorescence Quantum Yield in Graphene Quantum Dots”為題發(fā)表于Advanced Functional Materials(論文鏈接：https://doi.org/10.1002/adfm.202401246)。
 

　　近年來，以石墨烯量子點為代表的碳基量子點材料，因其獨特的sp2–sp3雜化碳納米結(jié)構(gòu)，表現(xiàn)出優(yōu)異的光、電、磁學性質(zhì)。在石墨烯量子點“自下而上”法制備中，多變量反應體系使其在合成與機制研究領(lǐng)域面臨系列挑戰(zhàn)。另一方面，機器學習以其高效的分析算法和模型在復雜體系分析、新型材料設計等領(lǐng)域展現(xiàn)了獨特優(yōu)勢。然而，由于具備實際物理內(nèi)涵的結(jié)構(gòu)特征描述符的缺失，機器學習往往僅能得到難以闡釋物理內(nèi)涵的數(shù)學模型。這限制了機器學習在相關(guān)研究中的可遷移性和實用性。針對上述研究困境，石墨烯粉體課題組博士生陳良鋒、楊思維副研究員結(jié)合群論在分子結(jié)構(gòu)描述上的優(yōu)勢，通過控制變量實驗與結(jié)構(gòu)化學理論的結(jié)合，將具有實際物理含義的描述符應用于機器學習中，首次揭示了石墨烯量子點的前驅(qū)體結(jié)構(gòu)與熒光量子產(chǎn)率間關(guān)聯(lián)的物理內(nèi)涵。
 

　　該工作利用高結(jié)構(gòu)剛性sp3前驅(qū)體與柔性sp2結(jié)構(gòu)前驅(qū)體之間的“自下而上”反應，實現(xiàn)了石墨烯量子點中sp2–sp3雜化碳納米結(jié)構(gòu)的調(diào)制。結(jié)合熱動力學理論，闡明了sp3剛性結(jié)構(gòu)能通過抑制非輻射躍遷過程提高石墨烯量子點量子產(chǎn)率。進一步地，借助群論在描述分子結(jié)構(gòu)方面的優(yōu)勢，結(jié)合主成份分析，明確了石墨烯量子點制備過程中影響石墨烯量子點熒光量子產(chǎn)率的結(jié)構(gòu)因子(F1)、溫度因子(F2)和濃度因子(F3)三個決定性因素(圖1)。
 

　　圖1. 結(jié)合群論的主成分分析方法揭示雙組份“自下而上”多變量反應體系中各種特征參量作用于石墨烯量子點的熒光量子產(chǎn)率物理機制

 

　　更重要的是，與以往基于機器學習的研究工作相比，基于群論的進一步探索，首次揭示了機器學習結(jié)果中，分子的簡正振動是前驅(qū)體對稱性作用于石墨烯量子點量子產(chǎn)率增量的核心物理機制。基于上述原理的指導，成功獲得了絕對量子產(chǎn)率高達83%的石墨烯量子點，其優(yōu)異的光致發(fā)光性能在熒光信息防偽加密中具有廣闊的應用前景(圖2)。
 

圖2. 機器學習結(jié)果指導的高量子產(chǎn)率石墨烯量子點及熒光防偽加密應用演示
 

　　論文第一作者為我所博士生陳良鋒、楊思維副研究員，通訊作者為楊思維副研究員、丁古巧研究員。相關(guān)工作得到上海市科學技術(shù)委員會(21ZR1482800，23YF1455800)、集成電路材料全國重點實驗室開放課題(NKLJC-K2023-01)、院青促會、所新微之星人才等項目等基金支持。