基于主动学习策略的G-四联体圆偏振发光材料量子产率优化研究

这篇研究论文介绍了BgoFace软件如何利用主动学习（AL）策略优化G-四联体（G4）基圆偏振发光（CPL）材料的量子产率（QY）。通过六轮AL循环实验，团队成功将QY提升至37.25%，同时保持高发光不对称因子（glum），为光电设备开发提供了兼具高效发光与稳定手性的新型材料。研究通过多参数协同优化的机器学习框架，实现了从数据驱动设计到实验验证的闭环研发模式。

　　

1 引言

圆偏振发光（CPL）材料因其独特的手性光学特性在光电器件领域备受关注，其中基于鸟苷酸（GMP）自组装形成的G-四联体（G4）结构因具有天然分子手性成为理想候选材料。然而传统G4基CPL材料存在量子产率（QY）偏低（约20%）的瓶颈，制约其实际应用。本研究提出BgoFace软件平台，通过主动学习（AL）策略实现材料性能的智能优化。

2 实验方法

采用微波辅助法合成G4凝胶，关键参数包括GMP浓度（100-200 mM）、微波功率（100-200 W）、反应时间（5-15 min）和测试温度（15-25°C）。通过圆二色光谱（CD）、荧光光谱和透射电镜（TEM）等表征手段，结合BgoFace内置的5种机器学习模型（包括高斯过程回归和随机森林）进行数据建模。软件采用期望提升（EI）、置信上限（UCB）等8种效用函数，在2662种虚拟组合中筛选最优实验方案。

3 结果与讨论

3.1 主动学习优化

经过6轮AL迭代（每轮4组实验），最优样本在第五轮被发现：180 mM GMP浓度、200 W功率下制备的凝胶QY达37.25%，较初始值提升近一倍。同步表征显示材料保持右旋手性特征，g_lum值稳定在-0.07，X射线衍射（XRD）证实其具有0.33 nm层间距的G4特征堆叠结构。

3.2 材料特性

扫描电镜（SEM）显示凝胶由100-200 nm右旋螺旋纤维构成，傅里叶变换红外光谱（FT-IR）在1695 cm^-1处检出G4特征C=O振动峰。值得注意的是，QY提升与g_lum存在竞争关系——高浓度样品CPL信号更强但QY略低，揭示分子堆叠密度与发光效率的微妙平衡。

3.3 应用探索

通过掺入K⁺实现手性反转，CD谱图显示左旋信号；与聚乙烯醇（PVA）复合制备的薄膜在365 nm紫外光下呈现蓝色荧光，其发射波长蓝移至432 nm。薄膜对左旋圆偏振光（LCP）的选择性透过率更高，为手性光电器件开发提供新思路。

4 结论

BgoFace建立的AL框架将传统试错实验缩减至24组即实现性能突破，证实数据驱动策略在功能纳米材料优化中的有效性。未来可通过引入分子结构参数实现双目标（QY与g_lum）协同优化，进一步拓展CPL材料在生物传感和三维防伪等领域的应用。