工程學(xué)院化學(xué)工程副教授 Hongliang Xin 和他的合作者設(shè)計(jì)了一種新的人工智能框架，可以加速重要技術(shù)材料的發(fā)現(xiàn)，例如燃料電池和碳捕獲裝置。

他們?cè)凇蹲匀煌ㄓ崱冯s志上發(fā)表的題為“將理論融入深度學(xué)習(xí)以進(jìn)行可解釋的反應(yīng)性預(yù)測(cè)”的論文詳細(xì)介紹了一種稱為 TinNet(理論注入神經(jīng)網(wǎng)絡(luò)的縮寫)的新方法，該方法結(jié)合了機(jī)器學(xué)習(xí)算法和用于識(shí)別新催化劑的理論。催化劑是觸發(fā)或加速化學(xué)反應(yīng)的材料。

TinNet 基于深度學(xué)習(xí)，也稱為機(jī)器學(xué)習(xí)的一個(gè)子領(lǐng)域，它使用算法來模擬人腦的工作方式。1996 年 IBM 的深藍(lán)計(jì)算機(jī)戰(zhàn)勝國(guó)際象棋世界冠軍加里卡斯帕羅夫是機(jī)器學(xué)習(xí)的首批進(jìn)步之一。最近，深度學(xué)習(xí)在自動(dòng)駕駛汽車等技術(shù)的發(fā)展中發(fā)揮了重要作用。

Xin 和他的同事希望將機(jī)器學(xué)習(xí)用于催化領(lǐng)域，以開發(fā)新的更好的能源技術(shù)和產(chǎn)品，以改善日常生活。

“你今天看到的大約 90% 的產(chǎn)品實(shí)際上來自催化，”辛說。訣竅是為每個(gè)應(yīng)用程序找到有效和強(qiáng)大的催化劑，而尋找新的催化劑可能很困難。

“了解催化劑如何與不同的中間體相互作用以及如何控制它們?cè)诮鸢l(fā)區(qū)的鍵強(qiáng)度絕對(duì)是設(shè)計(jì)高效催化過程的關(guān)鍵，”辛說。“而我們的研究正是為此提供了一個(gè)工具。”

Xin 說，機(jī)器學(xué)習(xí)算法很有用，因?yàn)樗鼈兛梢宰R(shí)別大數(shù)據(jù)集中的復(fù)雜模式，而這正是人類不太擅長(zhǎng)的。但深度學(xué)習(xí)有局限性，尤其是在預(yù)測(cè)高度復(fù)雜的化學(xué)相互作用時(shí)——這是為所需功能尋找材料的必要部分。在這些應(yīng)用中，有時(shí)深度學(xué)習(xí)會(huì)失敗，而且可能不清楚原因。

“大多數(shù)為材料特性預(yù)測(cè)或分類開發(fā)的機(jī)器學(xué)習(xí)模型通常被認(rèn)為是‘黑匣子’，只能提供有限的物理見解，”化學(xué)工程研究生和論文合著者 Hemanth Pillai 說。

“TinNet 方法擴(kuò)展了其預(yù)測(cè)和解釋能力，這兩者在催化劑設(shè)計(jì)中都至關(guān)重要。” 王思文說，他也是一名化學(xué)工程研究生，也是該研究的合著者。

作為一種混合方法，TinNet 將先進(jìn)的催化理論與人工智能相結(jié)合，幫助研究人員深入了解材料設(shè)計(jì)的這個(gè)“黑匣子”，以了解正在發(fā)生的事情及其原因，并且可以幫助研究人員在多個(gè)領(lǐng)域開辟新天地。

“希望我們可以讓社區(qū)普遍使用這種方法，其他人可以使用該技術(shù)并真正進(jìn)一步開發(fā)對(duì)社會(huì)至關(guān)重要的可再生能源和脫碳技術(shù)，”辛說。“我認(rèn)為這確實(shí)是可以取得一些突破的關(guān)鍵技術(shù)。”

專門研究機(jī)器學(xué)習(xí)的化學(xué)工程教授盧克·阿切尼 (Luke Achenie)與 Xin 以及幫助撰寫該論文的研究生 Shih-Han Wang 合作完成了該項(xiàng)目?，F(xiàn)在該團(tuán)隊(duì)正致力于將 TinNet 應(yīng)用于他們的催化工作?；瘜W(xué)工程專業(yè)的本科生安迪·阿薩瓦萊 (Andy Athawale) 也加入了這項(xiàng)工作。

“我真的很喜歡在課堂之外看到化學(xué)工程的不同方面，”Athawale 說。“它有很多應(yīng)用程序，你知道，它可能真的是革命性的。所以成為其中的一部分真是太棒了。”