科学家和机构每年都投入更多资源来发现新材料，为世界提供燃料。随着自然资源的减少以及对更高价值和先进性能产品的需求增长，研究人员越来越多地关注纳米材料。
纳米粒子已经找到了进入从能量存储和转换到量子计算和治疗等应用的方法。但是，鉴于纳米化学具有广泛的成分和结构可调性，识别新材料的连续实验方法对发现施加了不可逾越的限制。
现在，西北大学和丰田研究所 (TRI) 的研究人员已成功应用机器学习来指导新纳米材料的合成，消除与材料发现相关的障碍。训练有素的算法通过定义的数据集来准确预测可以为清洁能源、化学和汽车行业的过程提供燃料的新结构。
“我们让模型告诉我们，多达七种元素的混合物会产生哪些以前从未制造过的东西，”西北纳米技术专家、该论文的通讯作者Chad Mirkin说。“机器预测了 19 种可能性，在对每种可能性进行了测试后，我们发现其中 18 种预测是正确的。”
这项名为“多元素异质结构的机器学习加速设计和合成”的研究将于 12 月 22 日发表在《科学进展》杂志上。
Mirkin 是温伯格文理学院的 George B. Rathmann 化学教授;麦考密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;和范伯格医学院的医学教授。他还是国际纳米技术研究所的创始主任。
绘制材料基因组
根据 Mirkin 的说法，之所以如此重要，是因为可以访问前所未有的大而优质的数据集，因为机器学习模型和 AI 算法只能与用于训练它们的数据一样好。
数据生成工具称为“Megalibrary”，由 Mirkin 发明，极大地扩展了研究人员的视野。每个 Megalibrary 都包含数百万甚至数十亿个纳米结构，每个纳米结构的形状、结构和成分都略有不同，所有这些都在 2×2 平方厘米的芯片上进行了位置编码
标签：
免责声明：本文由用户上传，如有侵权请联系删除！