加美聯(lián)合開發(fā)人工智能自動化材料發(fā)現(xiàn)平臺

    據(jù)報道，由該校和美國西北大學(xué)組成的研究團隊，利用機器學(xué)習(xí)技術(shù)開發(fā)了一個自動化材料發(fā)現(xiàn)平臺，有助于加快材料的設(shè)計周期。相關(guān)論文已在《自然-機器智能》（Nature Machine Intelligence）上發(fā)表。

    網(wǎng)狀框架是通過在不同拓撲結(jié)構(gòu)中分子構(gòu)建塊的自組裝而形成的結(jié)晶多孔材料，其中許多具有氣體存儲、分離、催化以及生物醫(yī)學(xué)等應(yīng)用所需的特性。研究團隊開發(fā)了一種由超分子變體自編碼器支持的自動化納米多孔材料發(fā)現(xiàn)平臺，用于網(wǎng)狀材料的生成設(shè)計。在該研究中，研究人員用一類金屬有機框架（MOF）結(jié)構(gòu)演示了自動化設(shè)計過程，并實現(xiàn)了從天然氣或煙道氣中分離出二氧化碳的目標(biāo)。該模型在捕獲MOF結(jié)構(gòu)特征方面顯示出很高的保真度。研究表明，當(dāng)與多個氣體分離最佳吸附劑候選物共同訓(xùn)練時，自動編碼器具有良好的優(yōu)化能力。利用該平臺發(fā)現(xiàn)的MOF材料與迄今已知的某些MOF材料相比具有很強的競爭力。

    研究的主要作者，多倫多大學(xué)文理學(xué)院化學(xué)系和計算機科學(xué)系博士后姚振鵬稱，該平臺可用于生成各種分子框架設(shè)計，顯著縮短用于某種特定用途的最佳材料的識別時間。

    加拿大高等研究院（CIFAR）人工智能首席科學(xué)家、加拿大150理論化學(xué)研究主席（Canada 150 Research Chair in Theoretical Chemistry）艾倫·阿斯普魯·古茲克（Alan Aspuru-Guzik）教授說，網(wǎng)狀材料的設(shè)計極具挑戰(zhàn)性，因為面臨著晶體建模和分子建模交織在一起的困難。這種網(wǎng)狀化學(xué)方法是多倫多大學(xué)利用人工智能加速材料開發(fā)的一個范例。利用AI模型可以想象或建議（'dream' or suggest）新穎材料，超越傳統(tǒng)的基于庫的篩選方法。

    研究的共同作者、西北大學(xué)工程學(xué)院化學(xué)與生物工程系主任蘭德爾·斯努爾（Randall Snurr）稱，我們過去是通過計算從候選庫中篩選出最佳材料?，F(xiàn)在這種協(xié)同開發(fā)的自動化材料發(fā)現(xiàn)平臺，比對數(shù)據(jù)庫中所有材料進行“蠻力”（'brute force'）篩選效率更高。更重要的是，該方法使用機器學(xué)習(xí)算法，從數(shù)據(jù)中學(xué)習(xí)探索材料空間，實際上提出了原本沒有想到的新材料。

    該研究得到了美國能源部科學(xué)辦公室、加拿大機械加工技術(shù)研究與創(chuàng)新網(wǎng)絡(luò)（Canadian Network for Research and Innovation in Machining Technology）以及加拿大自然科學(xué)與工程研究理事會（NSERC）的支持。