近日，学校李清华教授团队在Nature旗下期刊《Communications Materials》上发表题为“An Integrated dual-mode NIR Screening Device Forged by Spectrally Engineered Perovskite pc-LEDs”的研究论文，李清华教授为第一作者兼通讯作者，岭南师范学院为本研究第一通讯单位。

论文报道了人工智能与材料科学深度融合的成果：借助机器学习优化的无铅双钙钛矿近红外荧光材料，并据此研制出一款便携式双模快检设备，可在2-3秒内完成酒精浓度和水分含量的半定量筛查。

（1）AI主导材料设计。

团队将钕、镱稀土离子掺入无毒稳定的Cs₂NaYCl₆双钙钛矿，使发射峰分别精准对准酒精（约885 nm）和水的特征吸收带（约985 nm）。面对掺杂浓度、煅烧温度、助熔剂用量等庞大的参数组合，团队用55组实验数据训练机器学习模型，随机森林算法经交叉验证胜出，快速锁定最优配方。更巧妙的是，通过SHAP可解释性分析，模型“反推”出一个反直觉的物理发现：985 nm发射强度竟由“供体”Nd³⁺浓度主导，揭示了能量传递的速率限制环节——AI不仅优化了材料，还深化了机理认知。

（2）从材料到设备。

优化后的荧光粉被制成近红外pc-LED光源，配合同轴双圆盘步进机构和三级信号处理电路，微弱光信号被转译为直观的五级LED灯号。实测中，设备可筛查白酒酒精浓度（28%–60%）及西瓜、猕猴桃等水果水分含量（45%–100%），操作简便，无需专业人员。

李清华教授指出：这项工作打通了“机器学习发现材料→器件工程落地”的完整链条，展示了AI for Science在便携传感领域的广阔前景，为下一代快检工具的开发提供了可推广的范式。

原文链接：https://www.nature.com/articles/s43246-026-01335-2

期刊论文页面展示图

 AI主导材料设计

 从材料到设备