新方法可数分钟筛选几十万种高性能材料

怎样在数分钟内完成对数十万材料的性能预测，从而找到具有优质性能的碳捕获和储存（CCS）金属有机框架材料（MOF）？近日，南京工业大学研究人员通过一种计算法解决了这一问题。日前，相关研究论文作为《化学信息与建模杂志》封面文章刊发。

如何在数量庞大的MOF中找到具有优异CCS性能的MOF是当前学术研究中的难点。MOF由于在气体吸附方面出色的优异性能而被视为实现CCS的理想材料，但是 MOF的高度可调性导致可生成上百万种不同的MOF。

研究人员阐述了一种基于深度学习的端到端的MOF碳捕获性能人工智能预测方法，这种方法具有两大优点：一是具有深度学习的特性，可以通过不断的自我训练与调节寻找最优的预测方法；二是其端到端的特性可供无计算机基础的学者直接使用。

该计算方法避开了现有计算方法耗时耗力的弊端，开发出一种无需构建描述符的端到端的预测方法，仅以晶体学信息文件（CIF）作为输入，通过深度学习来自适应地学习影响性能的高维度特征，从而对MOF的性能进行快速而精准的预测。

据介绍，研究人员创新性地使用投影的方法，将材料领域中的三维结构转化为计算机可读的二维信息，在结合时下计算机领域深度学习的研究热点后，实现了端到端的性能预测。 实验表明，我们的计算方法数分钟内可对几十万MOF进行预测，预测值前12%的MOF中包含了真实高性能材料中的99.3%。这一计算法在实际应用中缩短了1/10的计算时间，即节省计算时间近一个量级。

版权声明：除特殊说明外，本站所有文章均为 字节点击 原创内容，采用 BY-NC-SA 知识共享协议。原文链接：https://byteclicks.com/40652.html 转载时请以链接形式标明本文地址。转载本站内容不得用于任何商业目的。本站转载内容版权归原作者所有，文章内容仅代表作者独立观点，不代表字节点击立场。报道中出现的商标、图像版权及专利和其他版权所有的信息属于其合法持有人，只供传递信息之用，非商务用途。如有侵权，请联系 gavin@byteclicks.com。我们将协调给予处理。

赞