Perpustakaan Digital ITB

Studi ini menggabungkan literature mining berbasis large language models (LLMs) GPT-5 Mini dan pendekatan rule-based (regex) dengan pemodelan Artificial Neural Network (ANN) untuk menganalisis N-CDs sebagai struktur utama dengan variasi co-dopan heteroatom. Hasil analisis menunjukkan bahwa pendekatan literature mining ini sangat efektif, mencapai akurasi 91,73%. Kumpulan data yang telah diseleksi tersebut dimanfaatkan dalam kerangka kerja machine learning (ML) untuk menyelidiki hubungan struktur-sifat yang mengatur perilaku fotoluminesensi, yaitu warna emisi sebagai deskriptor praktis dalam aplikasi CDs. Hasil ANN menunjukkan bahwa pergeseran warna emisi terutama ditentukan oleh parameter yang berkaitan dengan carbon, khususnya komposisi karbon (%C), yang secara tidak langsung mencerminkan fitur struktural seperti konjugasi dan delokalisasi elektron ???? yang terkait dengan modulasi celah pita dan pergeseran emisi. Selain itu, nitrogen memodulasi perilaku emisi melalui fungsionalitas dan konfigurasinya pada permukaan, yang memengaruhi keadaan surface states serta jalur rekombinasi elektron-hole. Sementara itu, co-dopan tambahan juga memengaruhi pergeseran emisi, namun hanya bersifat sebagai modulator. Pendekatan ini menekankan potensi strategi berbasis data dalam menghubungkan informasi eksperimental dari literatur dengan pemahaman fisik terhadap material.