英文原题：Emergence of Artificial Intelligence in the Structure-Controllable Synthesis of Carbon Nanotubes
通讯作者：林德武，北京大学深；陈召龙，北京大学
作者：Qianhuiwen Hu (胡倩慧雯), Yiming Li (李一鸣), Jun Liu (刘俊), Feiyang Wang (王飞阳), Chengcheng Jiang (姜城城), Ziwei Huang (黄子为), Dewu Lin (林德武), Zhaolong Chen (陈召龙)
研究背景：
自1991年被发现以来，碳纳米管（CNTs）作为典型一维纳米材料，凭借卓越的电学、力学及热学性能，在材料科学领域备受瞩目。其中，单壁碳纳米管（SWCNTs）载流子迁移率高达1×10⁵ cm² V⁻¹ s⁻¹，远超硅基半导体，为下一代芯片研发提供新方向；理论杨氏模量达5.5 TPa、拉伸强度超116.8 GPa，性能碾压传统纤维及金属材料；热导率突破3500 W m⁻¹ K⁻¹，可高效解决高功率电子设备的热管理难题。然而，随着下游应用向高端化、专业化升级，CNTs结构可控合成面临瓶颈，传统试错法难以精准调控管径、手性等核心参数，也无法高效优化多变量耦合体系。近年来，人工智能（AI）技术在跨学科研究中的突破性进展，为破解这一难题提供了全新思路与技术路径。
图1. CNTs的精细结构定义及AI方法
内容介绍：
近日，北京大学林德武、陈召龙团队在Precision Chemistry上发表综述，系统阐述AI在碳纳米管结构可控合成中的应用进展。
CVD生长CNTs的方法及机理
CNTs的CVD法制备
图2 三种常见碳纳米管CVD合成系统
系统对比三类CVD系统的原理与性能，为AI针对性优化指明方向。图2 a为热CVD系统，依托高温构建均匀温场，结构可控性强，适合实验室精准合成，但能耗高、规模化易出现温场不均，是AI多区控温优化重点。图2 b、c展示PECVD系统及等离子体形成机制，通过等离子体激活碳源可低温生长垂直阵列，但其不稳定性易引发缺陷，需AI优化功率与时间协同关系。图2 f、g为FCCVD系统，催化剂悬浮生长，产率高且可连续制备，具备规模化潜力，流场紊乱导致的团聚是AI流场模拟核心场景。图2 h从五维度量化对比，明确两类系统适配场景，为AI优化参数提供支撑。
CNTs的生长机理
图3 碳纳米管生长现象及对应机制
碳纳米管生长关键现象与机制，为AI解析生长动力学提供实验支撑。图3 a对比VLS与VSS机制：液态催化剂经VLS机制生成多手性管，固态催化剂通过VSS机制生长对称匹配手性管，印证双机制协同模型。图3 b展示H₂选择性刻蚀效应，可蚀刻小直径半导体管，富集88%大直径金属管。图3 c揭示生长终止模式，碳源失衡或内应力导致颈缩、多成核等现象，为AI预判生长稳定性提供靶点。图3 d、e分别呈现催化剂接触模式与超长管选择性生长规律，为AI筛选长管生长参数、调控生长形态提供参考。
CNTs的精细结构控制制备
管径和壁数
图4 碳纳米管直径和壁数调控方法
图4从多维度呈现直径调控策略，为AI构建直径-参数关联模型提供数据支撑。图4 a显示温度升高可降低碳纳米管直径与壁数，实现小直径管精准调控。图4 b、d证实催化剂尺寸的核心作用：液态Co催化剂粒径与管径近乎相等，固态Co催化剂粒径大于管径，调控催化剂状态可窄化直径分布。图4 e对比碳源影响，CH₄合成的碳纳米管更洁净，C₂H₄易生成缺陷与大直径管。图4 f-i表明，碳源浓度、碳氢比、底物及催化剂种类均会影响直径分布，为AI多参数协同优化直径提供全面依据。
导电属性
图5 金属型/半导体型单壁碳纳米管可控合成
图5展示金属型/半导体型SWNTs的导电类型调控方法，为AI选择性合成高纯度管提供技术路径。图5 a通过电场反转实现导电类型转换，电场极化使金属管带电，反转极性破坏催化剂形成手性结，可制备高纯度半导体管。图5 b采用分子克隆技术，以切割后的碳纳米管为种子再生，保证手性与导电性一致性，为精准合成提供思路。图5 c选用SiC无金属催化剂，结合H₂刻蚀去除金属管，规避金属杂质对导电性的干扰。图5 d揭示O₂辅助调控机制，Fe-O键细化催化剂颗粒，同时选择性蚀刻金属管，为AI优化蚀刻剂用量与配比提供支撑。
图6 碳纳米管导电性影响因素及应用
图6兼顾导电性影响因素与应用场景，为AI构建性能-参数映射关系提供支撑。如图6 a，低导电管适用于气体传感器，中导电管用于柔性电子，高导电管适配锂电池与超级电容器。图6 b显示拉伸应力对带隙的影响，金属管（5,5）带隙始终为零，半导体管带隙随应力变化但类型不变。图6 c表明AuCl₃掺杂可降低面电阻，通过调控费米能级减小肖特基势垒。图6 d-f揭示本征因素影响，壁数为2.7时导电性最优，晶粒尺寸超11 nm后电阻显著降低，电导率与束长呈幂函数关系，为AI多因素优化导电性提供量化依据。
手性
图7 SWNTs手性可控生长的热力学与动力学模型
本综述进一步整合热力学与动力学模型，为AI预测碳纳米管手性分布提供理论框架。图7 a-c为热力学模型，对称匹配策略基于界面能调控手性，熵驱动理论揭示边界构型对映异构的影响。研究人员提出了结构匹配策略，通过设计Co₇W₆合金催化剂晶面，实现特定手性管富集。图7 d-f为动力学模型，以螺旋位错理论解释手性富集机制，为调控手性转变提供思路。图7 g的连续模型融合热力学能垒与动力学生长速率，阐明（n,n-1）手性管丰度最大化原因。图7 h提出三步调控策略，为AI构建手性调控全流程模型提供指导。
总结/展望：
本文总结了CVD技术在CNTs精细结构可控合成的最新进展，解析其VLS/VSS生长机制，梳理了AI的应用价值与边界。尽管CNTs结构调控成效显著，但工业化仍受参数耦合复杂、监测不足、设备低效高耗等制约。文章提出四大方向：AI驱动多尺度模拟优化虚拟生长、解析机制；借可解释ML与大模型设计催化剂；构建AI自动化平台提升实验效率；研发智能化CVD设备打通产学研链路。这些方向将推动技术升级，助力CNTs在精准纳米制造领域规模化应用。
Cite this: Hu, Q.; Li, Y.; Liu, J.; Wang, F.; Jiang, C.; Huang, Z.; Lin, D.; Chen, Z. Emergence of Artificial Intelligence in the Structure-Controllable Synthesis of Carbon Nanotubes. Precision Chemistry 2025, 4 (2), 75–91. https://doi.org/10.1021/prechem.5c00059.