Inverses Design komplexer Nanopartikel-Heterostrukturen mittels Deep Learning auf heterogenen Graphen
2024-12-26
Forscher nutzten Deep Learning und heterogene Graph Neural Networks, um Upconverting Nanoparticles (UCNPs) mit Anwendungen in Biosensing, Superauflösungs-Mikroskopie und 3D-Druck invers zu designen. Ein großer Datensatz mit über 6000 UCNP-Emissionsspektren wurde generiert und verwendet, um ein GNN-Modell zu trainieren. Gradientenbasierte Optimierung identifizierte Strukturen mit einer um den Faktor 6,5 höheren vorhergesagten Emission unter 800 nm Beleuchtung als jede UCNP im Trainingssatz. Diese Arbeit enthüllt neue Designprinzipien für UCNPs und liefert eine Roadmap für das Deep-Learning-basierte inverse Design von Nanomaterialien.