西北工业大学黄维院士团队王学文教授课题组与新加坡南洋理工大学刘政教授团队、西北大学张志勇教授团队合作，提出并验证了通过人工智能机器学习方法有效指导先进低维材料的合成和形貌调控，该成果为进一步研究与材料维度相关的物理性质奠定了基础。在这项工作中，实现了机器学习指导低维WTe₂材料的空间限域CVD法可控制备。机器学习模型XGBoost的ROC曲线下面积（AUROC）高达0.93，确保基于此模型后续分析的有效性。基于机器学习的结论，确定了WTe₂材料制备的参数范围，并成功的制备出了WTe₂纳米带（NRs），验证了模型的准确性。机器学习的结果表明：氢气流速是控制能否合成WTe₂ NRs重要的参数，而反应源的比例（RTe/W）主导了低维WTe₂的形态。通过实验验证了反应源的比例（RTe/W）与WTe₂几何结构之前的强关联性，进一步验证了模型的准确性。此外，我们提出了1D WTe₂ NRs的生长演化机制（1D WTe₂ NRs是2D WTe₂被H₂刻蚀后二次生长所形成），并进一步通过实验和理论计算相结合的方式加以证实。该工作将机器学习和材料及化学实验相结合，将会加速和促进2D材料家族衍生出多样化新型纳米结构，为低维材料的研究开辟了新的思路，同时也将推动计算机科学与材料学、化学的交叉与融合。相关成果以“Machine learning driven synthesis of few-layered WTe₂”为题发表在Journal of the American Chemical Society 。