納米顆粒的合成受許多反應(yīng)條件的影響,其性質(zhì)通常由其尺寸、形狀和表面化學(xué)等因素決定。為了使合成的納米顆粒具有適用于不同領(lǐng)域(如光學(xué)、電子學(xué)、傳感器應(yīng)用等)的功能,對其性能進行精確控制是必不可少的。然而,以目前在微反應(yīng)器上制備納米顆粒的技術(shù),實現(xiàn)精確合成既費時又費力。為此,魯東大學(xué)陳雪葉教授等人綜述了近年來采用微流體制備納米顆粒的方法和原理,并描述了機器學(xué)習(xí)的實施步驟、功能及其在納米技術(shù)中的應(yīng)用。其中,機器學(xué)習(xí)輔助納米顆粒合成的研究可以概括為兩個主要領(lǐng)域:(1)監(jiān)督學(xué)習(xí)預(yù)測合成后納米顆粒的特定光學(xué)、電子和傳感特性。通過將反應(yīng)條件作為輸入變量及納米顆粒特性作為輸出目標,并選擇不同的機器學(xué)習(xí)算法來構(gòu)建二者的映射關(guān)系,能夠精確地控制合成具有所需功能的納米顆粒。(2)在用于預(yù)測納米顆粒的神經(jīng)網(wǎng)絡(luò)模型中,神經(jīng)元數(shù)量和隱藏層數(shù)量等超參數(shù)對預(yù)測能力有直接影響。一方面,可以通過定義損失函數(shù)來對超參數(shù)進行貝葉斯優(yōu)化,使預(yù)測模型更具權(quán)威性。另一方面,可以根據(jù)實驗條件定義“不滿意系數(shù)”。最后,可以迭代優(yōu)化控制算法,直到優(yōu)化結(jié)束并達到目標要求。圖1. 機器學(xué)習(xí)算法的主要步驟目前,機器學(xué)習(xí)輔助的納米顆粒合成也普遍存在一些問題。一方面,難以實現(xiàn)精確的合成控制,通過在線光譜儀收集納米顆粒的發(fā)射光譜來表征納米顆粒尺寸的方法引入了一些誤差。另一方面,機器學(xué)習(xí)輔助合成納米顆粒需要大量時間和精力投入。對此,作者認為:(1)關(guān)于上述誤差問題,采用傅里葉變換紫外光譜儀和紅外光譜儀等設(shè)備來表征納米顆粒的大小值得考慮;(2)關(guān)于準確測量納米顆粒尺寸的問題,可使用TEM在線獲取納米顆粒圖像,并通過計算機處理圖像的方法來確定其尺寸;(3)關(guān)于上述時間成本問題,遷移學(xué)習(xí)可通過將訓(xùn)練好的模型參數(shù)遷移到新模型來幫助訓(xùn)練新模型,這可以大大降低訓(xùn)練模型的時間成本。盡管目前機器學(xué)習(xí)輔助制備納米顆粒技術(shù)的不成熟意味著仍然存在許多挑戰(zhàn),但這并不妨礙其具備的新穎性和巨大研究潛力。圖2. 機器學(xué)習(xí)輔助金屬納米顆粒合成優(yōu)化Intelligent control of nanoparticle synthesis through machine learning, Nanoscale 2022. DOI: 10.1039/D2NR00124A