研究人员开发的算法缩小了纳米多孔材料的分子设计可能性，这些材料可以解决氢燃料存储和碳或甲烷捕获技术中的挑战。功劳:华盛顿州立大学纳米多孔材料有朝一日可能会解决一些社会最大的挑战，从吸收空气中的二氧化碳或甲烷，到储存氢气作为燃料，再到感知空气中的有毒化合物。这些材料具有微小的纳米级孔隙，可用于许多可持续应用，但由于它们是由化学家在实验室中一个分子一个分子地构建的，因此开发起来既麻烦又昂贵。
华盛顿州和俄勒冈州立大学的一个研究小组开发了一种独特的计算机算法，可以玩一个20个问题的游戏，快速缩小数千个可能的分子设计，以最小的成本和努力找到最佳设计。
发表在《分子系统设计与工程》杂志上的这项研究的第一作者雅利安·德什瓦尔说:“一个关键的挑战是，纳米多孔材料是不同化学元素的混合物，你必须合成并找出最佳组合。
电子工程和计算机科学学院的博士生德什瓦尔说，纳米多孔材料有各种各样的潜在分子结构单元和排列，几乎可以无休止地混合在一起。
他说:“如果我们每次都在实验室中尝试这些元素及其结构的新配置，那将是非常昂贵的，因此计算上的挑战是如何找出具有您关心的特性的元素的正确组合。“这就是我们基于人工智能的算法工作的切入点。”
作为概念验证研究的一部分，研究人员缩小了纳米多孔材料吸收甲烷的最佳候选范围，甲烷是一种导致全球变暖的强温室气体。在仅仅评估了120个可能的候选人之后，他们从一个拥有70，000种材料的库中找到了已知的最佳候选人，这比传统算法的表现要好得多。
“雅利安的算法能够用更少的评估次数找到最好的材料，”该研究的对应作者、电气工程和计算机科学学院的乔治和琼·贝里副教授贾娜·多帕说。俄勒冈州立大学纳米多孔材料研究领域的领先专家科里·西蒙也是合著者。
算法做得很好的原因之一是它看材料的三维结构本身。
德什瓦尔说:“我们正在尝试进行更智能的搜索，而现有的方法并没有试图利用材料结构与其性质之间的关系模型。“我们明确地建立了统计模型，这使我们能够预测未知材料的性质，并具有校准良好的不确定性，这意味着你知道你不知道的东西，因此当我们探索空间时，我们以更聪明的方式而不是随机的方式进行探索。”
当他们的算法出现在材料的每一次新的迭代中时，它实际上进行了一次实验，更新了对结构和性质关系的理解，然后在此基础上选择了另一种纳米多孔材料。
研究人员现在的目标是进一步自动化和推广该方法。他们已经在一篇新论文中朝着这个目标取得了根本性的进展，该论文将在2021年神经信息处理系统会议上发表。他们希望使用独特的算法来改进其他类型的现实应用中的搜索，例如工业过程中使用的催化剂的设计。这项工作由国家科学基金会资助。
来源：由phyica.com整理转载自PH，转载请保留出处和链接！
