对应论文
视频简介
这篇 Nature Communications 论文面向手工实验优化困难的 chiroptical / CPL 材料设计问题。 作者提出 OptiCPL，把光谱特征和形貌特征合并到 few-shot multimodal deep-learning 框架中，用模型预测和实验验证把无机 core-shell nanoluminophores 的 glum 从 0.20 提升到 0.35。 它值得收录，因为这里的 AI 不是窄预测器，而是嵌入材料实验优化与 inverse-design transfer：同一框架还迁移到有机 chiral luminophores 并达到更高 glum。 局限是应用场景仍集中在 CPL 材料，方法的通用性需要更多材料家族和闭环实验验证。