化學(xué)計算機算法可以用更少的實驗數(shù)據(jù)來完成更多工作，從而揭示出制造綠色材料的最佳方法。KAUST的研究人員建議，機器學(xué)習(xí)可以教會我們?nèi)绾螐恼w角度確定最綠色的生產(chǎn)方法，從而使材料制造更清潔，更可持續(xù)。

Gyorgy Szekely實驗室的博士后Rifan Hardian表示，對可持續(xù)性的追求意味著全世界的科學(xué)家正在開發(fā)先進的材料，以幫助解決碳捕集，海水淡化和能量存儲等問題。“盡管這些材料表現(xiàn)出令人鼓舞的性能，但它們本身通常還是采用不可持續(xù)的方式生產(chǎn)的—使用苛刻的條件，有毒溶劑和產(chǎn)生大量廢物的能源密集型工藝—潛在地造成了比其解決的環(huán)境問題更多的問題，” Hardian說。

Szekely和Hardian與Zhang Xiangliang及其團隊合作，正在研究一種更可持續(xù)的材料開發(fā)方法，稱為實驗設(shè)計(DoE)。“與傳統(tǒng)的材料優(yōu)化方法不同，傳統(tǒng)的材料優(yōu)化方法一次會改變一個因素，而DoE是一種系統(tǒng)化的方法，可以同時改變多個因素，” Hardian說。

從理論上講，DoE可以一次優(yōu)化所有變量，例如反應(yīng)物和溶劑的選擇，反應(yīng)時間和反應(yīng)溫度。該程序減少了進行的實驗的數(shù)量，還潛在地確定了最綠色的材料制造方式。然而，優(yōu)化每個變量以從此類稀疏的實驗數(shù)據(jù)中確定最佳反應(yīng)方案是一項挑戰(zhàn)。“這就是機器學(xué)習(xí)的用武之地，” Hardian說。

機器學(xué)習(xí)是一種人工智能形式，可以從有限數(shù)量的數(shù)據(jù)點中學(xué)習(xí)模式，以填補數(shù)據(jù)中的空白。“通過這種方式，人們可以查看整個實驗空間，并選擇最適合所需結(jié)果的一種反應(yīng)條件，”哈迪安說。

該團隊將能源部和機器學(xué)習(xí)相結(jié)合，以確定一種可持續(xù)的方法來制造流行的金屬有機框架(MOF)材料，稱為ZIF-8。Hardian說：“ ZIF-8在氣體分離，催化，重金屬去除和環(huán)境修復(fù)等應(yīng)用中具有巨大潛力。” 該團隊在ZIF-8的電化學(xué)合成中優(yōu)化了10個變量，確定了使用水作為溶劑并產(chǎn)生最少廢物的高產(chǎn)工藝。“借助機器學(xué)習(xí)，我們對變量之間的相互作用有了整體的了解，并發(fā)現(xiàn)了許多如果采用傳統(tǒng)方法可能會錯過的意外關(guān)聯(lián)，” Hardian說。

Szekely說，下一個里程碑將是將DoE和機器學(xué)習(xí)應(yīng)用于大規(guī)模的材料生產(chǎn)。他說：“最終，我們的目標是將能夠連續(xù)運行并自我優(yōu)化反應(yīng)條件的自治實驗室系統(tǒng)的未來愿景變?yōu)楝F(xiàn)實。”

標簽： 機器學(xué)習(xí)