深度学习逆向设计复杂纳米粒子异质结构
2024-12-26
研究人员利用深度学习和异质图神经网络，对具有生物传感、超分辨率显微镜和3D打印应用前景的上转换纳米粒子（UCNPs）进行了逆向设计。他们创建了一个包含6000多个UCNP发射光谱的大型数据集，并利用该数据集训练了一个GNN模型。通过基于梯度的优化，该模型识别出预测发射率比训练集中任何UCNP高6.5倍的结构，为UCNP的设计提供了新的原理，也为基于深度学习的纳米材料逆向设计提供了新的方向。