闪蒸石墨烯技术（机器学习指导闪蒸石墨烯的制备）

闪蒸石墨烯技术（机器学习指导闪蒸石墨烯的制备）这种方法非常有价值，但在这过程中控制纳米晶体形成的因素十分复杂，很难以被理解。为了解决这一问题，作者在最新的工作中，建立了机器学习（ML）模型探索驱动无定形碳转化转变为石墨烯纳米晶体的关键因素。XGBoost 回归结晶度模型实现了r2为0.8051±0.054。从这些模型中提取的重要性分析和决策树揭示了关键问题：选择起始材料时的考虑因素和随机变量的作用闪光焦耳加热合成中的电流波动。此外，部分依赖性分析证明了电荷密度和电流密度作为结晶度预测因子的重要性，这意味着反应受限的进展随着闪光焦耳加热参数的变化。最后，作者通过使用贝叶斯元学习算法来自动提高多个时间段的结晶度和加热反应。这些结果说明，机器学习作为一种强大的工具，可以用于分析材料合成中的关键因素，为深刻地理解材料的结构与性能关系提供了有力的支持。使用不同的原料制备的纳米石墨烯传统的石墨烯是通过自上而下的方式制备的，这种方法不仅制备条件苛刻

说起石墨烯，读者们可能不陌生。不知道何时开始，“石墨烯”，“纳米”和“酵素”等概念充斥着我们的日常生活，一件商品挂上“石墨烯”，档次就瞬间提升。

某购物平台上的“石墨烯”内衣

石墨烯具有最薄、最轻、最强、最硬、极佳的导电导热性能，被誉为“新材料之王”，目前在航空航天、生物医学、电子通信等领域都有着广发的应用。

但是吧，一直想不懂内衣跟石墨烯有什么关系。

传统的石墨烯是通过自上而下的方式制备的，这种方法不仅制备条件苛刻，而且制备的石墨烯性能也存在缺陷。与之相比，另一种“自下而上”的方法可以制备出性能优异的石墨烯，然而存在生产率低的缺点。2020年，美国莱斯大学James M. Tour、Boris I. Yakobson等作者通过廉价的焦耳热闪蒸技术（flash Joule heating），可以将任何来源的碳，无论是石油焦碳、煤炭、碳黑、食品废弃物、橡胶轮胎还是塑料垃圾，统统在不到100毫秒的时间内变成石墨烯（Nature 577.7792 (2020): 647-651.），实现了变废为宝！

焦耳热闪蒸技术

这是个重大的突破，石墨烯从此“白菜价”！

使用不同的原料制备的纳米石墨烯

这种方法非常有价值，但在这过程中控制纳米晶体形成的因素十分复杂，很难以被理解。为了解决这一问题，作者在最新的工作中，建立了机器学习（ML）模型探索驱动无定形碳转化转变为石墨烯纳米晶体的关键因素。XGBoost 回归结晶度模型实现了r2为0.8051±0.054。从这些模型中提取的重要性分析和决策树揭示了关键问题：选择起始材料时的考虑因素和随机变量的作用闪光焦耳加热合成中的电流波动。此外，部分依赖性分析证明了电荷密度和电流密度作为结晶度预测因子的重要性，这意味着反应受限的进展随着闪光焦耳加热参数的变化。最后，作者通过使用贝叶斯元学习算法来自动提高多个时间段的结晶度和加热反应。这些结果说明，机器学习作为一种强大的工具，可以用于分析材料合成中的关键因素，为深刻地理解材料的结构与性能关系提供了有力的支持。

机器学习助力石墨烯的制备

该工作在近期的Adv.Mater上发表。

原文链接：

https://onlinelibrary.wiley.com/doi/10.1002/adma.202106506