中国科学院金属研究所刘畅

aoye

单壁碳纳米管的结构可控制备是实现其优异物理化学性能和重要应用的关键。在化学气相沉积生长过程中，至少有12种生长参数会影响单壁碳纳米管的结构，如催化剂颗粒的组分和尺寸、碳前驱体的组分和流量、载气的种类和流量、反应促进剂和流量、预处理和生长温度、预处理和生长时间等。传统试错方法的效率较低，制约了特定结构单壁碳纳米管生长参数的筛选与优化。近年来，高通量与机器学习等数据信息技术已发展成为解决复杂问题的新科学研究范式，并逐渐被应用于新材料的研发中。

中国科学院金属研究所刘畅课题组与日本国立材料科学研究所等单位的合作者，结合高通量生长与机器学习方法，探索优化生长高质量单壁碳纳米管的工艺条件。采用组合掩模板和离子束沉积，在标记硅片上制备64种不同厚度的Co催化剂阵列；利用Raman光谱表征Co催化剂生长单壁碳纳米管的G、D模；利用Excel模板自动提取与生长参数对应的IG/ID平均值，建立数据库；训练和对比多种机器学习模型，发现随机森林的准确率较高；机器学习模型预测出最优的生长参数组合，再通过生长实验验证，获得高质量的单壁碳纳米管（IG/ID=138）及其制备工艺。高通量与机器学习组合方法显著提高了生长参数优化效率，1周内可以获得1000多组不同生长参数对应的单壁碳纳米管的结构数据。该方法有望应用于特定结构碳纳米管的控制生长中。