荧光转换型近红外LED是一种新兴的近红外光源，近红外荧光粉是其关键组成部分。Cr³⁺掺杂的石榴石型近红外荧光粉具有优良的物理化学性质，近年来被广泛研究。但由于Stokes能量损耗，Cr³⁺激活的近红外荧光粉面临在较长波长下效率低的难题。石榴石结构具有丰富的配位环境，通过离子替代提升性能，具有庞大的探索空间，传统的试错法研究方式面临巨大挑战。

近日，北京科技大学宿彦京教授团队在ACS Applied Materials & Interface上发表了机器学习多目标优化的最新成果。作者以Cr³⁺掺杂石榴石型近红外荧光粉文献发表数据和实验产生的数据为训练集，分别训练了发射波长和内量子效率机器学习模型，利用主动学习结合作者提出的混合效能函数，快速优化帕累托前沿。经过4次迭代实验，结合领域知识，发现了性能优异的Gd₃Mg_mAl_2-mGa_3-mGe_mO₁₂: 0.04Cr³⁺近红外荧光粉体系。优化后的Gd₃Mg_0.5Al_1.5Ga_2.5Ge_0.5O₁₂: 0.04Cr³⁺近红外荧光粉发射波长为 763 nm，半峰宽为150 nm，IQE/EQE为90%/53.1%，且具有良好的热稳定性（I_{423 K}=85.3%）。

图1. 多目标优化流程。

（1）数据收集，（2）特征选择，（3）模型训练，（4）优化预测，（5）实验验证。

图2（a）训练集中荧光粉和迭代反馈荧光粉的波长和效率分布，（b）量子效率预测值与实验值对比，（c）波长预测值与实验值对比。

图3 （a）Gd₃Mg_mAl_2-mGa_3-mGe_mO₁₂: 0.04Cr³⁺（m=0.0、0.5、1.0、1.5、2.0）的归一化发射光谱和（b）不同m值下的IQE/EQE、FWHM和WL，（c）荧光粉的热稳定性（d）m=0.0，0.5时不同温度的发射光谱。

近年来，数据驱动机器学习在材料研究中得到了广泛应用。研究团队将多目标优化方法应用于近红外荧光粉的设计，为新型荧光粉快速开发提供了新的策略和方法。该方法也可以应用于其他发光材料的设计开发。

相关论文发表在ACS Applied Materials & Interfaces上，北京科技大学博士研究生蒋立朋为文章的第一作者， 宿彦京教授为通讯作者。

扫描二维码阅读英文原文，或点此查看原文

ACS Applied Materials & Interfaces. 2022, ASAP

Publication Date: November 9, 2022

https://doi.org/10.1021/acsami.2c12923 

Copyright © 2022 American Chemical Society

ACS Applied Materials & Interfaces serves the interdisciplinary community of chemists, engineers, physicists and biologists focusing on how newly-discovered materials and interfacial processes can be developed and used for specific applications. The editors are proud of the rapid growth of the journal since its inception in 2009, both in terms of the number of published articles and the impact of the research reported in those articles. ACS AMI is also truly international, with the majority of published articles now coming from outside the United States, capturing the rapid growth in applied research around the globe.