1467
2022-08-18
颗粒在线讯：怎样在数分钟内完成对数十万材料的性能预测，从而找到具有优质性能的碳捕获和储存（CCS）金属有机框架材料（MOF）？近日，南京工业大学计算机科学与技术学院副教授万夕里指导的2020级硕士研究生鹿存兴通过一种计算法解决了这一问题。日前，相关研究论文作为《化学信息与建模杂志》封面文章刊发。
如何在数量庞大的MOF中找到具有优异CCS性能的MOF是当前学术研究中的难点。MOF由于在气体吸附方面出色的优异性能而被视为实现CCS的理想材料，但是 MOF的高度可调性导致可生成上百万种不同的MOF。
据万夕里介绍，鹿存兴阐述了一种基于深度学习的端到端的MOF碳捕获性能人工智能预测方法，这种方法具有两大优点：一是具有深度学习的特性，可以通过不断的自我训练与调节寻找最优的预测方法；二是其端到端的特性可供无计算机基础的学者直接使用。
该计算方法避开了现有计算方法耗时耗力的弊端，开发出一种无需构建描述符的端到端的预测方法，仅以晶体学信息文件（CIF）作为输入，通过深度学习来自适应地学习影响性能的高维度特征，从而对MOF的性能进行快速而精准的预测。
据介绍，鹿存兴创新性地使用投影的方法，将材料领域中的三维结构转化为计算机可读的二维信息，在结合时下计算机领域深度学习的研究热点后，实现了端到端的性能预测。 “实验表明，我们的计算方法数分钟内可对几十万MOF进行预测，预测值前12%的MOF中包含了真实高性能材料中的99.3%。”鹿存兴说，这一计算法在实际应用中缩短了1/10的计算时间，即节省计算时间近一个量级。
相关论文信息：https://doi.org/10.1021/acs.jcim.2c00092
版权与免责声明：
（1） 凡本网注明"来源：颗粒在线"的所有作品，版权均属于颗粒在线，未经本网授权不得转载、摘编或利用其它方式使用上述作品。已获本网授权的作品，应在授权范围内使用，并注明"来源：颗粒在线"。违反上述声明者，本网将追究相关法律责任。
（2）本网凡注明"来源：xxx（非颗粒在线）"的作品，均转载自其它媒体，转载目的在于传递更多信息，并不代表本网赞同其观点和对其真实性负责，且不承担此类作品侵权行为的直接责任及连带责任。其他媒体、网站或个人从本网下载使用，必须保留本网注明的"稿件来源"，并自负版权等法律责任。
（3）如涉及作品内容、版权等问题，请在作品发表之日起一周内与本网联系，否则视为放弃相关权利。
