清华大学Small Methods: 机器学习辅助可控合成不同尺寸的Eu-MOFs

具有聚集诱导发光（AIE）活性的金属有机框架（MOF）在能源和生物医学技术领域具有潜在应用。然而，不同粒径MOFs的可控合成不仅影响其AIE活性，也限制了其应用场景。

为此，清华大学李双寿教授、季林红教授及Qi Zhang联合清华长庚医院蒋绚教授等人通过调整合成工艺参数（合成温度、Eu前体浓度和合成时间）合成了不同粒径的铕基金属有机骨架材料（Eu-MOFs），并结合单因素分析方法和机器学习技术研究了其变化规律。

首先，作者利用单因素分析方法研究了合成温度、Eu前体浓度和合成时间对Eu-MOFs粒径的变化规律，可得出以下结论：Eu-MOFs的粒径明显受Eu前驱体浓度支配，其影响比合成温度和时间更为显著。其次，作者采用了各种机器学习模型（如线性回归、AdaBoost回归、梯度提升决策树（GBDT）回归和随机森林回归）来评估Eu-MOF的粒径变化规律。

基于比较模型的R²大小，作者最终采用GBDT回归模型（0.9535）来计算不同合成工艺参数之间的权重和相关性。

图1. 机器学习辅助Eu-MOFs合成条件的评估和预测

研究表明，所有合成工艺参数对Eu-MOFs的粒径都有协同作用，且Eu前驱体浓度在其合成过程中占主导地位。基于上述工作，可以根据Eu-MOFs 的不同粒径范围预测合成工艺参数范围。

此外，作者制备了三种典型的小尺寸Eu-MOFs，并研究了Eu-MOFs的AIE活性机制。通过分析粒度、XPS光谱和光致发光（PL）发射强度得出的结合效应，作者发现Eu-MOFs 的大尺寸和不同元素之间的强结合效应和结构稳定性有助于Eu-MOFs的高AIE活性。最后，作者利用在“120-0.3-6”条件下合成Eu-MOFs制作的丝网印刷图案在紫外光下呈现出明亮的红色荧光。更重要的是，这些Eu-MOF可用于识别各种离子（Fe³⁺、F^–、I^–、SO₄^2-、CO₃^2-、PO₄^3-）及小分子（柠檬酸），I^–和葡萄糖浓度与PL发射强度呈极好的线性关系。

图2. Eu-MOFs的荧光性质、离子和小分子识别

Size-Controllable Eu-MOFs through Machine Learning Technology: Application for High Sensitive Ions and Small-Molecular Identification, Small Methods 2022. DOI: 10.1002/smtd.202200208