人工智能技術(shù)(機(jī)器學(xué)習(xí))正在幫助加速稱為金屬有機(jī)框架(MOF)的高度可調(diào)材料的開發(fā)，這些材料在化學(xué)分離，吸附，催化和傳感方面具有重要應(yīng)用。

利用有關(guān)200多個(gè)現(xiàn)有MOF的屬性的數(shù)據(jù)，對(duì)機(jī)器學(xué)習(xí)平臺(tái)進(jìn)行了培訓(xùn)，以通過預(yù)測(cè)一個(gè)經(jīng)常必要的屬性(水穩(wěn)定性)來(lái)幫助指導(dǎo)新材料的開發(fā)。利用該模型的指導(dǎo)，研究人員可以避免耗時(shí)的合成工作，然后通過實(shí)驗(yàn)測(cè)試新的候選MOF的水穩(wěn)定性，從而避免了耗時(shí)的工作。研究人員已經(jīng)在擴(kuò)展模型以預(yù)測(cè)其他重要的MOF屬性。

在美國(guó)能源部(DOE)的科學(xué)辦公室的基礎(chǔ)能源科學(xué)計(jì)劃的支持下，這項(xiàng)研究于11月9日發(fā)表在《自然機(jī)器智能》雜志上。這項(xiàng)研究是由位于佐治亞理工學(xué)院的DOE能源前沿研究中心，在理解和控制酸性氣體引起的能源演化過程中心(UNCAGE-ME)中進(jìn)行的。

佐治亞理工學(xué)院化學(xué)與生物分子工程學(xué)院的教授兼羅伯特·“布德”·穆勒教授羅伯特·巴德·穆勒教授克里斯塔·沃爾頓說：“ MOFs的水穩(wěn)定性問題在這一領(lǐng)域已經(jīng)存在很長(zhǎng)時(shí)間了，沒有容易預(yù)測(cè)的方法。” “無(wú)需為每個(gè)候選的MOF進(jìn)行合成和實(shí)驗(yàn)來(lái)解決這個(gè)問題，該機(jī)器學(xué)習(xí)模型現(xiàn)在提供了一種預(yù)測(cè)水穩(wěn)定性的方法，并提供了一組所需的功能。這將真正加快識(shí)別新材料的過程。具體應(yīng)用。”

MOF是一類多孔的晶體材料，由無(wú)機(jī)金屬離子或與有機(jī)配體連接的簇合成。它們以易于調(diào)整的組件而聞名，可以為特定的應(yīng)用定制這些組件，但是大量潛在的組合使得難以選擇具有所需特性的MOF。那就是人工智能可以提供幫助的地方。

喬治亞大學(xué)材料科學(xué)與工程學(xué)院教授兼能源可持續(xù)性杰出學(xué)者邁克爾·E·坦能鮑姆家族主席蘭皮·蘭普拉薩德(Rampi Ramprasad)說，機(jī)器學(xué)習(xí)在材料科學(xué)中的作用越來(lái)越重要。