利用机器学习方法预测金纳米团簇的光学性质

《ACS Omega》：Predicting the Optical Properties of Gold Nanoclusters Using Machine Learning Approach

金纳米簇（AuNCs）的发射波长预测模型基于XGBoost算法，整合207组合成参数（如温度、pH、时间等）及光学数据，误差率低于5%。模型验证显示R2=0.9582，在GSH和不同硫醇配体条件下均表现优异，为纳米材料优化提供数据驱动工具。

　　本研究聚焦于金纳米簇（AuNCs）的合成与光学性质预测，通过引入机器学习技术，尤其是基于XGBoost算法的模型，旨在提高AuNCs的合成效率与功能性设计的精准度。金纳米簇因其独特的量子限域效应、离散能级结构以及在近红外（NIR）区域的强荧光特性而备受关注，广泛应用于生物成像、药物递送、催化、传感和光电子等技术领域。然而，AuNCs的光学性能，尤其是其最大发射波长，受到多种合成条件的影响，如簇尺寸、晶体结构、表面配体的性质与密度、稳定剂种类、反应温度、pH值以及反应时间等。传统实验方法往往依赖试错，不仅耗时费力，而且难以实现大规模、系统的材料设计与优化。

随着数据科学与人工智能技术的发展，机器学习在材料科学领域的应用逐渐成熟。其优势在于能够高效处理非线性、多参数的问题，从而为复杂系统的建模与预测提供新的思路。XGBoost作为一种集成学习方法，因其高预测精度、较低的计算成本以及易于实现的特点，被广泛应用于回归任务。在本研究中，XGBoost算法被用于构建一个能够预测AuNCs最大发射波长的模型，该模型基于一个包含超过200篇科学文献的数据库，涵盖多种合成参数和实验条件。

为了验证模型的有效性，研究者采用了独立实验数据作为外部验证集。通过对已知合成条件的AuNCs进行实验表征，并将其实测发射波长与模型预测结果进行对比，发现模型的预测误差在1.7%左右，表明其具有良好的泛化能力。此外，研究者还对使用不同硫醇配体（非GSH）的AuNCs进行了独立回归分析，结果显示训练误差仅为0.01%，而测试误差为3%，进一步验证了模型的可靠性。这些结果表明，XGBoost算法在预测AuNCs的光学性质方面表现出色，能够为材料设计提供有力支持。

在模型构建过程中，研究者采用了多种数据预处理技术，以确保输入数据的质量和可解释性。其中，One-Hot编码被用于处理分类变量，如配体类型和测量溶剂。这种方法能够将无序的类别变量转化为数值形式，从而避免模型对这些变量之间的隐含关系产生错误的假设。对于缺失或未明确说明的变量，研究者假设了固定值，例如将温度设定为21°C、pH值设定为中性、合成时间设定为24小时、激发波长设定为365 nm，以及将簇尺寸设定为2 nm。这些假设确保了模型训练的稳定性，并提高了预测结果的可比性。

模型的预测性能受到多个因素的影响，包括测试集的大小、核函数的选择以及损失函数的定义。尽管较大的数据集通常有助于提高模型的准确性，但也会增加计算负担和过拟合的风险。因此，研究者选择了一个包含207个实验样本的中等规模数据集，将数据随机划分为训练集（80%）和测试集（20%）。同时，为了确保模型评估的独立性，研究者使用了完全未参与训练和测试的外部验证集。通过这种方式，研究者能够更全面地评估模型在不同条件下的表现，并验证其预测能力的稳定性。

在模型评估过程中，研究者还分析了各输入变量对最大发射波长的影响。通过计算各特征的平均增益值，研究者确定了合成时间（0.4020）和温度（0.2009）是影响模型预测性能的两个最关键变量，其次是配体类型（0.1905）。相比之下，簇尺寸和pH值的影响较小，这可能与数据集中这些变量的分布范围有限有关。例如，簇尺寸主要集中在1.6–2.2 nm之间，而pH值大多为中性，这限制了模型对这些变量变化的敏感度。此外，研究者还对使用不同硫醇配体的AuNCs进行了单独分析，发现簇尺寸和激发频率是影响发射波长的两个主要因素，其相对重要性分别为0.6082和0.3445。这表明，在设计具有特定光学功能的AuNCs时，簇尺寸和激发频率应作为优先考虑的变量。

研究者还对模型的误差进行了详细分析。在训练集和验证集中，模型的相对误差分别为1.6%和4.9%，而独立测试样本的误差为1.7%。这些误差值在该类型模型的预测范围内，说明模型在大多数情况下能够提供较为准确的预测结果。然而，模型在高波长区域的预测性能略显不足，表现为残差逐渐增大。这种现象可能与数据集中高波长样本的分布不均有关，某些配体或合成条件下的AuNCs发射波长较高，但相关数据点较少，导致模型在这些区域的泛化能力受限。为了解决这一问题，研究者建议通过引入更多高波长发射的样本，以及采用目标变换等方法（如对数变换或Box–Cox变换）来稳定残差的方差，从而提高模型在高波长区域的预测精度。

此外，研究者还对多种机器学习算法进行了比较分析，包括多项式拟合、多元线性回归、神经网络和支持向量机（SVM）。通过评估这些算法在预测任务中的表现，研究者发现XGBoost在预测最大发射波长方面优于其他方法，特别是在处理非线性关系和高维数据时展现出更强的适应性。这一结果进一步证明了XGBoost在材料科学领域，尤其是AuNCs的预测建模中的优势。

本研究不仅展示了机器学习在预测AuNCs光学性质方面的潜力，还强调了数据质量和多样性对模型性能的重要性。高质量、高代表性的数据集能够显著提高模型的准确性与鲁棒性，而多样化的合成条件则有助于模型更好地理解不同变量之间的相互作用。因此，未来的研究可以进一步扩展数据集的规模，涵盖更多不同的配体类型、溶剂种类以及合成参数，从而提升模型的泛化能力。

通过本研究，研究者成功构建了一个能够预测AuNCs最大发射波长的机器学习模型，并验证了其在不同实验条件下的有效性。这一成果为AuNCs的理性设计和功能化应用提供了新的工具和思路，同时也揭示了当前合成过程中存在的挑战，如合成条件的不确定性、配体种类的多样性以及实验数据的不完整性。随着数据集的不断扩展和算法的持续优化，机器学习有望在AuNCs的合成与应用中发挥更大的作用，推动纳米材料的智能化设计与开发。