上海大学冯凌燕教授&中国科学院长春应化所曲晓刚教授JMI综述|机器学习推动碳点研究进展：系统综述

本文是一篇关于机器学习推动碳点研究进展的系统综述。背景方面，碳点因其优异性能在多个领域有广阔前景，但其研发受限于发光机理复杂、合成可控性差及数据稀缺等问题。研究目的旨在系统总结机器学习在碳点研究中的应用，包括建立合成-性能模型以优化性能、提升复杂体系检测分析能力，以及利用可解释性模型深入理解发光机理，并针对材料领域机器学习常见的小数据问题提出数据与算法层面的解决策略。结论指出，机器学习为碳点的理性设计与性能预测提供了数据驱动支撑，未来需通过构建标准化数据库、强化模型可解释性与自动化实验平台融合，推动该领域从经验驱动向数据-机制协同驱动范式转变。