""

澳门太阳城网站-最新注册

  • 利用神经网络库利克助理教授希瑟(中心)和研究生乔恩·保罗·珍(右)耦合遗传算法,以检查在实际设备的潜在用途的过渡金属化合物的庞大数据库。使用相同的技术,研究生阿迪亚·南迪(左)被设计用于甲烷转化反应更好的催化剂。

    利用神经网络库利克助理教授希瑟(中心)和研究生乔恩·保罗·珍(右)耦合遗传算法,以检查在实际设备的潜在用途的过渡金属化合物的庞大数据库。使用相同的技术,研究生阿迪亚·南迪(左)被设计用于甲烷转化反应更好的催化剂。

    照片:斯图尔特darsch

    全屏
  • 代表一个样本图形ESTA过渡金属络合物。过渡金属原子的中心(橙色)的过渡金属配合物由被化学结合的有机分子的已知作为配体的结构的阵列包围。

    代表一个样本图形ESTA过渡金属络合物。过渡金属原子的中心(橙色)的过渡金属配合物由被化学结合的有机分子的已知作为配体的结构的阵列包围。

    研究人员的形象礼貌。

    全屏
  • 图1:上训练以及与经分析的5600种复合物,以确定潜在旋交叉络合物先前已知的过渡金属化合物的人工神经网络。结果是ESTA情节,在该复合物是基于它们的自旋分裂能量千卡每摩尔着色(千卡/摩尔)。在希望的候选,即能量是在5千卡的零点/摩尔。明亮的绿色钻石的插图是相关的配合。

    图1:上训练以及与经分析的5600种复合物,以确定潜在旋交叉络合物先前已知的过渡金属化合物的人工神经网络。结果是ESTA情节,在该复合物是基于它们的自旋分裂能量千卡每摩尔着色(千卡/摩尔)。在希望的候选,即能量是在5千卡的零点/摩尔。明亮的绿色钻石的插图是相关的配合。

    研究人员的形象礼貌。

    全屏
  • 图2:分子是从那些在其中安练得太不一样了从人工神经网络(ANN)的分析结果可能是不可靠的。乌云盖这里显示的数据集,其从这些训练配合的太遥远的数字表示是可靠的考虑过渡金属络合物。

    图2:分子是从那些在其中安练得太不一样了从人工神经网络(ANN)的分析结果可能是不可靠的。乌云盖这里显示的数据集,其从这些训练配合的太遥远的数字表示是可靠的考虑过渡金属络合物。

    研究人员的形象礼貌。

    全屏

发现对于实际设备的新材料

利用神经网络库利克助理教授希瑟(中心)和研究生乔恩·保罗·珍(右)耦合遗传算法,以检查在实际设备的潜在用途的过渡金属化合物的庞大数据库。使用相同的技术,研究生阿迪亚·南迪(左)被设计用于甲烷转化反应更好的催化剂。

澳门太阳城最新网站的研究使用一个新的机器学习技术迅速评估新的过渡金属化合物以鉴定那些可以执行专用功能。


记者联系

凯瑟琳琉
电子邮件: keluu@mit.edu
电话:617-324-2408
澳门太阳城最新网站能源倡议

近年来,机器学习已经-证明了识别新材料针对特定的应用进行了优化性能的重要工具。与大型,良好定义的数据集工作,学习计算机进行分析任务生成一个正确的答案,然后用同样的方法对一个未知的数据集。 

这种方法已经引导,同时有价值的新材料的开发,他们已经去过主要是有机化合物,笔记 石楠库利克 博士'09,化学工程助理教授。 Kulik的上无机化合物聚焦相反 - 特别是基于金属的那些过渡,一个族元素(包括铁和铜)的具有独特且有用的性能。在这些化合物 - 已知的如过渡金属络合物 - 在与OCCURS化学结合臂,或配位体的中心金属原子,由碳,氢,氮,氧或原子向外辐射的。 

过渡金属配合物已经在领域从能量储存到催化制造精细化工中发挥重要作用 - 例如,药品。但库利克认为,机器学习可以进一步扩大其用途。的确,她的团队一直在努力,不仅适用机器学习无机物 - 一种新的和艰巨的任务 - 而且要使用这项技术来探索新的领域。 “我们有兴趣了解多远,我们可以把我们的模型做的发现 - 使那些以前没有见过的化合物的预言,说:”库利克。 

传感器和计算机 

在过去的四年中,库利克和乔恩·保罗·雅内,一名研究生在化学工程,一直专注于过渡金属配合物的“旋转” - 电子的量子力学性能。通常情况下,会出现电子成对出现,一个与自旋向上和其他与降速,所以它们相互抵消,并没有净旋转。 Kulik的说,但在过渡金属,电子可以不成对,并将得到的净自旋是使感兴趣无机配合物的性质。 “剪裁电子是如何配对的是为我们提供定制性的独特的旋钮。” 

GIVEN络合物具有自旋优选状态。但增加一些能量 - 比如,从光或热 - 它可以翻转到另一种状态。在这个过程中,它可以表现出在宏观性能如大小或颜色的变化。当引起翻转所需的能量 - 被称为自旋分裂能量 - 接近零,复杂的是一个很好的候选人用作传感器,或者作为一个组件在量子计算机或许关键。 

化学家知道有自旋分裂的能量接近于零的许多金属配体的组合,使它们潜在的“自旋交叉”(SCO)配合这样的实际应用。但全套的可能性是巨大的。过渡金属络合物的自旋分裂能量与给定的金属结合的配体是什么决定的,而且几乎都从中选择无休止的配体。面临的挑战是找到所需属性的新组合成为SCOS - 无需在实验室诉诸以百万计的试验和错误的测试。 

平移分子成数字 

来分析分子的电子结构的标准方法是使用所谓的密度泛函理论,或DFT的计算建模方法。一个DFT计算的结果是相当准确的 - 特别是对于有机体系 - 但对于单一化合物执行计算可能需要数小时,甚至数天。相比之下,机器学习工具,称为人工神经网络(ANN)可以被训练来执行相同的分析,然后做它在几秒钟。因此,人工神经网络是在可行的复合物的巨大空间寻找可能SCOS实用得多。 

因为安需要一个数字输入进行操作,研究人员的第一个挑战是找到一种方法,表示给定的过渡金属络合物作为一系列数字,每个描述所选属性。有用于限定的有机分子,其中一个分子的物理结构讲述了很多关于其性质和行为的表示规则。但是当研究人员随访过渡金属配合物的规则,也没有工作。 “金属 - 有机结合是非常棘手得到正确的,”库利克说。 “有那些更可变接合的独特的性质。还有更多的方式中的电子可以选择形成了不解之缘。”因此研究人员需要补充新的规则来定义,这将是在无机化学预测的表示。 

使用机器学习,它们代表探索用于分析自旋分裂能量的过渡金属络合物的各种方式。结果是最好的,当所述表示给出最重视到金属中心和金属 - 配体连接,并不太注重于配体的性质更远的属性。有趣的是,他们的研究表明,这给了更多并重表示整体效果最好,当目标是预测其他属性,如配体 - 金属键的长度或接受电子的倾向。 

测试安 

作为其方法,库利克和Janet的测试 - 通过莉迪亚议员,自Troy高中在Fullerton暑期实习生辅助,加利福尼亚州 - 定义了一组基于四个过渡金属的过渡金属配合物 - 铬,锰,铁和钴 - 在具有16个配位体两个氧化态(每个分子可具有最多两个)。通过将这些积木,他们创造了5600个配合一个“搜索空间” - 他们中的一些熟悉和充分研究,其中一些完全未知。 

在以前的工作中,ADH研究人员训练上安成千上万众所周知,在过渡金属化学是化合物。测试训练的安探索一种新的化合物,以寻找空间与目标特性的能力,他们试图把它应用到5600种复合物,其113的它在以前的研究中已经看到了池。 

结果是在上面的幻灯片显示,如由安确定的配合物进行排序到表面上标有“图1”的情节。白色区域表示每内的零摩尔5千卡热量与自旋分裂能量复合物,这意味着它们是潜在的良好候选SCO。红色和蓝色区域代表与自旋分裂的能量太大,是有用的复合物。出现在插图显示配合有铁中心和类似的配体的绿色钻石 - 换句话说,相关的化合物,其自旋交叉能量应该是相似的。他们在剧情的同一区域出场的是研究人员表示和复杂的关键特性很好地对应的证据。 

但有一个陷阱:不是所有的自旋分裂的预测是准确的。如果一个复杂的是那些在该网络进行训练完全不同,人工神经网络分析可能不可靠 - 将机器学习模型,发现在材料科学和化学时,一个标准的问题,指出库利克。使用看上去成功他们以前的工作的方法,研究人员比较了训练和测试复合的数字表示,并排除所有的测试物,其中的差别实在太大了。 

专注于最好的选择 

执行所有5600种复合物的安分析,只花了一个小时。但在现实世界中,配合有待探索的数量可能是几千倍大 - 任何有希望的候选人将需要一个完整的DFT计算。因此,研究人员需要评估大数据集连安分析之前识别任何不可接受的候选人的方法。为此,他们开发出一种遗传算法 - 自然选择所引发的方法 - 得分个别复合物和抛弃那些被认为不适宜。 

到预先筛选的数据集,所述遗传算法首先随机地选择从全套复合物的20个样本。它然后分配一个“健身”分数基于三项措施每个样品。首先,是它的自旋交叉能量足够低,它是一个很好的SCO?找出来,神经网络计算各20个络合物。第二,是复杂的太远从训练数据?如果是这样,从安自旋交叉能量可能不准确。最后,是复杂的太靠近训练数据?如果是这样,研究人员已经运行在一个类似的分子DFT计算,所以候选人是在寻求新的选择不感兴趣。 

基于第一20名候选人的三个部分组成的评估,遗传算法抛出不宜选项并保存优胜劣汰下一轮。确保所保存的化合物的多样性,对于他们中的一些算法调用变异位。一个复杂的可被分配一个新的,随机选择的配体,或两个有前途的络合物可以交换配体。毕竟,如果一个复杂的看起来不错,然后非常类似的东西可能会更好 - 这里的目标是要寻找新的人选。遗传算法然后增加了一些新,随机选择的络合物填写20的第二组,并执行它的下一个分析。通过重复这个过程总共21次时,它产生21代的选项。它因而前进通过搜索空间,让适者候选生存和繁殖,并且不适合消亡。 

在进行21代分析上满5600复杂的数据集需要一个标准的台式机上刚刚超过五分钟,就取得了372根导线具有高多样性和可接受的信心的良好结合。然后,研究人员一个DFT用于检查56复合物在这些线索中随机选择,而结果证实,他们良好的三分之二可能是SCOS。 

而三分之二的成功率可能不声音很大,研究人员提出两点。第一,他们什么可能成为一个好上海合作组织的定义是非常严格的:对于一个复杂的生存,它的自旋分裂能必须非常小。第二,鉴于5600种复合物的空间并没有什么去,多少DFT分析将需要找到37根引线?珍妮特指出,“不要紧,我们有多少与神经网络的评估,因为它是如此便宜。它是需要时间的DFT计算。” 

最重要的是,用他们的方法使研究人员发现,也不会被认为基于什么在过去已经研究了一些非常规的SCO候选人。 “有,人有规则 - 启发式在他们的头上 - 他们如何去建立一个自旋交叉复杂,说:”库利克。 “我们发现,你可以找到的金属和配体通常不研究,但可以有希望成为自旋交叉候选人出人意料的组合。” 

共享新工具 

以支持新材料在世界范围内搜索,研究人员已经把遗传算法和安进“molsimplify“ 该论坛的在线,开放源码软件工具包可以下载任何人,用于构建和模拟过渡金属络合物。要在帮助潜在用户,它提供的教程现场演示如何使用的开源软件代码关键功能。开始的molsimplify发展随着2014年从澳门太阳城最新网站能源倡议的经费,所有的学生在库利克的研究小组自那时促成它。 

研究人员不断提高自己的神经网络调查潜在SCOS以及张贴molsimplify的更新版本。与此同时,另一些库利克的实验室正在开发能够识别用于其它应用前景的化合物的工具。例如,焦点中的一个重要领域是催化剂的设计。在化学阿迪亚南迪研究生的重点是找到更好的催化剂用于甲烷气体转化为更易于处理的液体燃料,如甲醇 - 特别具有挑战性的问题。 “现在我们有一个外部分子进来,我们复杂 - 催化剂 - 已采取行动对分子进行化学转化,发生在整个系列的步骤,说:”南迪。 “机器学习会搞清楚的重要设计参数的过渡金属络合物,这将使在这个过程中的每一步积极有利的超有用。” 

ESTA研究是由美国支持海军研究海军的办公室,美国系能源,国家科学基金会,以及澳门太阳城最新网站能源倡议系 种子基金计划。乔恩·保罗·珍妮特是通过技术的澳门太阳城最新网站,新加坡与设计大学研究生奖学金的部分资助。希瑟·库利克已经获得了国家科学成就奖(2019)和海军研究青年科学家奖的办公室(2018),等等。  

这篇文章将出现在 2019春季 问题在于 能源期货,美国澳门太阳城最新网站能源倡议的杂志。 


主题: 机器学习, 金属, 化学工程, 澳门太阳城最新网站能源倡议, 研究, 工程学院, 人工智能

回到顶部