基于迁移学习加速贝叶斯优化的CsPbBr3钙钛矿量子点自主合成平台研究

为解决传统专家驱动模式效率低下的问题，研究人员开发了微流控迁移学习加速贝叶斯优化系统（μTRBOS），实现了CsPbBr3量子点（QDs）的自主合成。该系统仅需平均6次实验即可优化出满足特定荧光发射波长（455-505 nm±2 nm）的2.5-7.4 nm QDs，揭示了温度对配体辅助再沉淀法（LARP）的复杂影响，为功能材料研发提供了新范式。

　　

这项突破性研究展示了人工智能与流动化学的完美融合——开发出名为μTRBOS的智能合成平台，专门用于卤化铅铯（CsPbBr₃）钙钛矿量子点（QDs）的按需制备。通过创新的配体辅助再沉淀法（LARP），这个无人值守的实验室能像经验丰富的化学家一样，自主调配出具有精确光学特性的纳米晶体。

最令人惊叹的是，该系统借助迁移学习技术，将历史实验数据转化为"合成经验"，使得贝叶斯优化过程大幅提速。平均不到6次尝试，就能找到制备特定尺寸（2.5-7.4 nm）量子点的最佳配方，发射波长控制精度达±2 nm（455-505 nm范围）。这些量子点不仅尺寸均一，更展现出明亮的单峰荧光特性。

研究还意外揭示了温度参数在LARP法中的非线性效应——就像烹饪火候对菜品风味的影响，温度微小变化会导致量子点生长动力学的显著改变。这项成果为功能纳米材料的智能化研发树立了新标杆，其"从数据到产品"的闭环模式，或将彻底改变传统材料研发的游戏规则。