克日，，，，，，质料基因组工程研究院冯凌燕教授团队报道了机械学习辅助圆偏振发光质料理性设计的最新研究效果。 。。相关事情以“Machine-Learning-Driven G-Quartet-Based Circularly Polarized Luminescence Materials”为题在质料领域顶级期刊《Advanced Materials》上揭晓。 。。威廉希尔质料基因组工程研究院为本论文的第一完成单位和通讯单位，，，，，，21级硕士生戴彦恺为第一作者，，，，，，冯凌燕教授为唯一通讯作者。 。。
圆偏振发光（CPL）质料因其在手性功效器件中的潜在应用而引起了人们的极大兴趣。 。。其中，，，，，，合成具有高差池称因子(glum)的CPL质料是一个重大的挑战。 。。鉴于质料制备中超分子组装系统的重大性以及质料合成数据缺乏清晰度，，，，，，构建实验参数和目的值之间的关系同样保存难题。 。。
图1:实验数据集获取和机械学习的设计框架。 。。
在课题组前期文章基础上(Angew. Chem. Int. Ed.2022, 61, e202211822)，，，，，，本事情首次展示了基于机械学习（ML）的手艺来指导合成具有高glum值和多种手性调理战略的G-四联体CPL凝胶（图1）。 。。接纳“实验-展望-验证”的要领，，，，，，建设了溶剂热法合成的G-四联体在差别低共熔溶剂（deep eutectic solvents, DESs）中形成手性凝胶的ML分类和回归模子,建设起种种合成参数与glum值之间的关系。 。。在6个机械学习模子中，，，，，，决议树算法体现出了最佳性能，，，，，，分类模子的精度和回归模子的决议系数划分抵达0.97和0.96（图2）。 。。
图2.机械学习回归模子。 。。（a）决议系数柱状图；；；；（b）均方误差箱线图；；；；（c）特征的相关性热图；；；；
（d）决议树算法的学习曲线；；；；（e）训练集和测试集的散点图；；；；（f）特征的主要性排序。 。。
通过ML和实验验证相连系，，，，，，从15640个的样本中举行筛选，，，，，，效果批注CPL凝胶的glum值可达0.15，，，，，，是现在报道的生物基CPL质料系统中最高性能之一（图3）。 。。别的，，，，，，事情中还探索了多种手性调控战略。 。。
图3.展望和验证效果。 。。（a）两个最主要特征组成的二元热图；；；；（b）展望效果散点图；；；；（c）手性螺旋结构的SEM图像；；；；
（d）实验验证的CD光谱；；；；（e）实验验证的CPL谱；；；；（f）实验验证的最大/最小glum值。 。。
研究批注，，，，，，机械学习可以极大地优化手性纳米质料的设计和性能提升。 。。相关事情是在质料基因组研究理念下，，，，，，厘革古板的“试错法”质料研发模式的一次探索，，，，，，可以显著提高新型手性功效质料的研发效率，，，，，，加速新质料的设计和应用。 。。
上述事情获得了国家自然科学基金-面上项目、上海市东方学者跟踪妄想和上海市青年科技启明星妄想的支持。 。。
论文链接：https://onlinelibrary.wiley.com/doi/10.1002/adma.202310455
