西北大学
机器学习支持材料发现
学分:西北大学 科学家和机构每年投入更多的资源来发现新材料，为世界提供燃料
随着自然资源的减少和对高价值和高性能产品需求的增长，研究人员越来越多地关注纳米材料
纳米粒子已经在从能量存储和转换到量子计算和治疗的应用中找到了出路
但是考虑到纳米化学能够实现巨大的成分和结构可调性，一系列识别新材料的实验方法给发现带来了不可逾越的限制
现在，西北大学和丰田研究所(TRI)的研究人员已经成功应用机器学习来指导新纳米材料的合成，消除了与材料发现相关的障碍
这种经过高度训练的算法梳理了一个定义好的数据集，以准确预测可能推动清洁能源、化学和汽车工业进程的新结构
西北大学纳米技术专家、该论文的对应作者查德·米尔金(Chad Mirkin)说:“我们要求这个模型告诉我们，多达七种元素的混合物会制造出以前没有制造过的东西。”
“这台机器预测了19种可能性，经过实验测试，我们发现其中18种预测是正确的
" 这项名为“机器学习-加速多元素异质结构的设计和合成”的研究将于12月22日发表在《科学进展》杂志上
米尔金是乔治·B
温伯格文理学院的拉特曼化学教授；麦考米克工程学院化学与生物工程、生物医学工程、材料科学与工程教授；费恩伯格医学院大学的医学教授
他也是国际纳米技术研究所的创始主任
绘制材料基因组图 根据米尔金的说法，这一点之所以如此重要，是因为可以访问前所未有的大规模高质量数据集，因为机器学习模型和人工智能算法只能和用来训练它们的数据一样好
这种被称为“巨型图书馆”的数据生成工具是由米尔金发明的，它极大地拓展了研究者的视野
每个巨型图书馆都有数百万甚至数十亿个纳米结构，每一个都有稍微不同的形状、结构和组成，所有这些都被编码在一个2×2平方厘米的芯片上
到目前为止，每个芯片包含的新无机材料比科学家收集和分类的还要多
米尔金的团队通过使用一种被称为聚合物笔式光刻的技术(也是米尔金发明的)开发了巨型图书馆，这是一种大规模并行纳米光刻工具，能够每秒钟在特定位置沉积数十万个特征
绘制人类基因组图谱时，科学家们的任务是识别四个碱基的组合
但松散同义的“材料基因组”包括元素周期表中任何可用的118种元素的纳米粒子组合，以及形状、大小、相形态、晶体结构等参数
以巨型数据库的形式构建更小的纳米粒子子集将使研究人员更接近于完成材料基因组的完整图谱
米尔金说，即使有类似于材料“基因组”的东西，识别如何使用或标记它们也需要不同的工具
米尔金说:“即使我们能比地球上任何人更快地制造材料，这仍然是可能性海洋中的一滴水。”
“我们想定义和挖掘材料基因组，而我们这样做的方式是通过人工智能
" 机器学习应用程序非常适合解决定义和挖掘材料基因组的复杂性，但受限于创建数据集以在空间中训练算法的能力
米尔金说，将巨型图书馆与机器学习相结合可能最终会消除这个问题，从而理解是什么参数驱动了某些材料的特性
化学家无法预测的材料 如果说巨型图书馆提供了地图，那么机器学习则提供了传奇
米尔金认为，使用巨型数据库作为训练人工智能(AI)算法的高质量和大规模材料数据的来源，使研究人员能够远离通常伴随材料发现过程的“敏锐的化学直觉”和系列实验
米尔金说:“西北大学有合成能力和最先进的表征能力来确定我们生产的材料的结构。”
“我们与TRI的人工智能团队合作，为人工智能算法创建数据输入，最终对化学家无法预测的材料做出了这些预测
" 在这项研究中，该团队汇编了以前生成的由具有复杂成分、结构、大小和形态的纳米粒子组成的巨型数据库结构数据
他们用这些数据来训练模型，并要求它预测四个、五个和六个元素的组成，这些元素会产生某种结构特征
在19次预测中，机器学习模型正确预测新材料18次，准确率约为95%
由于对化学或物理知之甚少，仅使用训练数据，该模型就能够准确预测地球上从未存在过的复杂结构
TRI的高级研究科学家Joseph Montoya说:“正如这些数据表明的那样，机器学习的应用，结合Megalibrary技术，可能是最终定义材料基因组的途径。”
金属纳米粒子显示出催化工业关键反应的前景，例如氢的释放、二氧化碳(CO2)的减少以及氧的减少和释放
该模型在西北大学建立的大型数据集上进行训练，以寻找多金属纳米粒子，这些多金属纳米粒子具有围绕相、尺寸、尺寸和其他结构特征的设定参数，这些结构特征改变了纳米粒子的性质和功能
巨型数据库技术还可能推动许多对未来至关重要的领域的发现，包括塑料循环、太阳能电池、超导体和量子比特
一个随着时间推移会变得更好的工具 在巨型图书馆出现之前，机器学习工具是在不同人在不同时间收集的不完整数据集上训练的，限制了它们的预测能力和推广能力
巨型图书馆允许机器学习工具做他们最擅长的事情——随着时间的推移学习和变得更聪明
米尔金说，他们的模型只会在预测正确的材料方面变得更好，因为它被输入了更多在受控条件下收集的高质量数据
蒙托亚说:“创造这种人工智能能力是为了能够预测任何应用所需的材料。”
“我们拥有的数据越多，预测能力就越强
当你开始训练人工智能时，你从在一个数据集上定位它开始，随着它的学习，你不断添加越来越多的数据——这就像带一个孩子从幼儿园到他们的博士
D
经验和知识的结合最终决定了他们能走多远
" 该团队现在正在使用这种方法来寻找对清洁能源、汽车和化学工业的燃料过程至关重要的催化剂
确定新的绿色催化剂将使废物和丰富的原料转化为有用的物质，产生氢气，利用二氧化碳和发展燃料电池成为可能
生产催化剂也可以用来替代昂贵和稀有的材料，如铱，这种金属用于生产绿色氢和二氧化碳还原产品
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
