工具的生态系统可促进基于机器学习的金属有机框架设计

发布时间：2023-03-26 20:10:05 栏目：生活

导读 来自瑞士洛桑联邦理工学院、加利福尼亚大学和巴黎高等科学与工程研究所的化学家和计算机科学家团队开发了一个工具生态系统，以促进基于机器

来自瑞士洛桑联邦理工学院、加利福尼亚大学和巴黎高等科学与工程研究所的化学家和计算机科学家团队开发了一个工具生态系统，以促进基于机器学习的金属有机框架设计。



在他们的研究中，在ACS Central Science杂志上报道，Kevin Maik Jablonka，Andrew Rosen，Aditi Krishnapriyan和Berend Smit编码工具将数据转换为机器学习输入，以创建一个系统来促进机器学习框架。

网状化学是设计和合成具有某些预定义结构和特性(构建块)的多孔晶体材料的科学。这些被称为金属有机框架(MOF)的材料在气体储存、分离、催化、传感和药物输送方面都有应用。

不幸的是，新MOF的发现和优化仍然主要基于试错实验，这既耗时又昂贵。为了加快网状化学的发展，当前团队的一些成员创建了一个名为 Mofdscribe 的应用程序包，并于 2022 年发布供公众使用。

从那时起，许多化学家一直使用Mofdscribe来帮助他们创建不同的MOF。然而，目前的团队认识到Mofdscribe有一些局限性，并着手创建一个更有用的系统。

为此，研究人员创建了允许集成计算建模，机器学习，数据挖掘和高通量筛选的代码。他们还解决了一个问题，该问题涉及用于训练机器学习算法的数据泄漏到测试集中。他们指出，他们的目标之一是创建研究人员尚不需要的数据集分析工具，但可能会在某个时候使用。他们建议，这应该有助于比较机器学习系统之间的性能差异。

结果就是该团队所描述的“生态系统”——一个化学家可以去制定新的机器学习方法来创建具有所需功能和特性的MOF的环境。他们指出，它还允许识别新的合成路线和反应条件。

研究小组还指出，新的生态系统将促进网状化学领域研究人员之间数据和知识的共享和重用，他们认为这将促进合作和创新。