Carbon dots (CDs) merupakan nanomaterial karbon berdimensi nol (0D) bernilai tinggi yang menarik perhatian luas di bidang biosensing, bioimaging, anti-pemalsuan, katalisis, hingga aplikasi optoelektronik seperti LED. Keunggulan utama CDs terletak pada biokompatibilitas yang baik, toksisitas rendah, serta stabilitas termal dan optik yang tinggi dibandingkan quantum dots berbasis logam. Walaupun memiliki banyak kelebihan, keterbatasan utama CDs murni (pristine CDs) adalah persentase hasil kuantum (quantum yield/QY) yang relatif rendah serta keterbatasan panjang gelombang emisi fluoresensi. Untuk mengatasi tantangan tersebut, rekayasa dopan atom asing (heteroatom doping) diterapkan guna memodifikasi struktur elektronik dan sifat kimia permukaan CDs secara efektif. Di antara berbagai pilihan dopan, boron (B) menjadi salah satu elemen yang paling unggul dan strategis karena memiliki jari-jari atom yang hampir sama dengan karbon sehingga tidak menimbulkan distorsi struktural yang berarti pada kisi karbon. Sebagai dopan tipe-p dengan sifat kurang elektro-negatif dibandingkan karbon, penambahan boron mendistribusikan ulang kerapatan muatan positif di sekeliling kerangka karbon serta menurunkan tingkat energi LUMO (lowest unoccupied molecular orbital). Hal ini berdampak langsung pada peningkatan intensitas fluoresensi, efisiensi kuantum, stabilitas fototermal, dan pergeseran merah (red-shift) pada spektrum emisi. Artikel ulasan ini secara mendalam membahas metode sintesis, sifat optik, efek sinergis pengayaan dopan, hingga pemodelan komputasi untuk merancang CDs ter-doping boron (B-CDs) secara rasional.
Isi
Strategi pembuatan B-CDs mencakup pendekatan tunggal (single-doping) maupun ko-doping dengan elemen lain seperti nitrogen (N) atau perak (Ag) melalui metode hidrothermal, solvothermal, dan bantuan gelombang mikro (microwave-assisted). Strategi ko-doping (seperti N,B-CDs) terbukti memberikan efek sinergis yang secara signifikan meningkatkan nilai QY emisi (mencapai >44%) serta memfasilitasi pembentukan fenomena fosforesensi suhu ruang (room-temperature phosphorescence/RTP) melalui penyempitan celah energi antara keadaan singlet dan triplet. Kehadiran boron juga efektif menekan jalur rekombinasi non-radiatif dan memfasilitasi transfer muatan katalitik. Selain penggunaan eksperimental, metode sintesis presisi tinggi berbasis pemanasan gradien vakum berhasil menghasilkan CDs padat beremisi hijau terang dengan efisiensi kuantum mencapai 90%. Sisi krusial lainnya yang diulas adalah peranan studi komputasi, khususnya Density Functional Theory (DFT) dan Time-Dependent DFT (TD-DFT) dalam memprediksi serta mengonfirmasi mekanisme hubungan struktur-aktivitas B-CDs. Melalui fungsi fungsional hibrida (seperti B3LYP dan CAM-B3LYP), kalkulasi komputasi mampu memvisualisasikan orbital molekul (HOMO/LUMO), distribusi kerapatan muatan (Mulliken/Bader charge analysis), serta kerapatan keadaan (density of states/DOS). Integrasi data karakterisasi eksperimen (seperti TEM, FTIR, dan XPS) ke dalam pemodelan komputasi multiskala memfasilitasi pemahaman mendalam terkait posisi substitusi boron, keadaan cacat permukaan, dan interaksi pelarut, sehingga memicu perancangan material B-CDs yang terukur untuk aplikasi sensor ion berat (seperti Hg²⁺), deteksi obat, dan pemanenan energi.
Kesimpulan
Modifikasi CDs melalui teknik doping boron dan ko-doping heteroatom merupakan metode yang sangat efektif untuk meningkatkan performa optik, efisiensi kuantum, serta aktivitas elektrokatalitik nanomaterial berbasis karbon. Efek sinergis antara boron dan heteroatom pendamping berhasil memodifikasi celah pita energi (band gap) dan menciptakan keadaan permukaan yang unik, memperluas jangkauan aplikasinya dari sektor biomedis hingga perangkat pemancar cahaya berkinerja tinggi. Penggunaan metode komputasi kuantum seperti DFT dan TD-DFT telah terbukti menjadi sarana utama dalam mengungkap mekanika elektronik internal, dinamika eksiton, dan karakterisasi struktural B-CDs secara mendalam. Untuk mengoptimalkan potensi penuh material B-CDs di masa depan, penelitian integratif yang menggabungkan perancangan berbasis komputasi (in silico), simulasi dinamika molekuler, pembalikan algoritma machine learning, dan sintesis laboratorium presisi tinggi sangat diperlukan.
Link Asli Paper
