​中大邵元智教授CM:：理论计算+机器学习，合成高性能光学金纳米棒！

了解胶体状态的金纳米棒（GNR）光学特性对于将其设计用于许多领域的多功能应用至关重要，伴随的金纳米球（GNS）很容易参与GNR合成，从而对GNR性能产生负面影响。

在此，中山大学邵元智教授等人构建了一个GNR-GNS异二聚体来模拟其胶体状态，并通过量子化学（QC）方法计算了相关光学和电子特性。

具体而言，为了揭示GNS削弱GNR胶体溶液纵向吸收峰的机制，作者采用扩展的基于紧束缚的简化Tamm-Dancoff近似（sTDA-xTB）方法计算GNR与GNS在不同间距下共存的激发态吸收光谱。

QC计算证明，GNRs的电子结构和激发行为易受GNS和GNR间距的影响，紧凑的二聚体通过阻止某些电荷转移激发从而导致GNR的近红外（NIR）吸收峰严重下降。从GNR胶体中消除伴随的GNS对于实现为特定光学特性设计的纯GNR至关重要，这可以通过ML分析辅助合成过程的调节和控制来实现。

图1. GNR-GNS二聚体的光学和电子特性的QC计算

进一步，作者测量了在不同条件下制备的310 组GNR-GNS胶体溶液的吸收光谱，并将其用作11个ML模型的数据集。这些溶液通过种子介导的生长方法制备，且具有不同的工艺参数。

预测结果显示，XGBoost算法表现出最好的预测能力（准确率超过0.94），它可以映射直接的合成性能关系并提取关键信息以优化合成过程。在ML分析的指导下，来自经过实验验证的48种GNR胶体溶液可实现显著增强的性能，且适用于多种NIR应用。

总之，这项研究从实验和理论上解决了GNR-GNS胶体合成的两个重要问题：

（1）附近GNS对GNR纵向吸收的减弱机制；

（2）在GNR合成中排除伴随的GNS，通过实验实现为特定高性能光学纳米器件量身定制的纯GNR解决方案。

图2. GNR-GNS胶体光学特性的ML预测结果

Quantum Chemical Calculations and Machine Learning Predictions Innovate Synthesis for High-Performance Optical Gold Nanorods, Chemistry of Materials 2022. DOI: 10.1021/acs.chemmater.2c00839