算法准确地预测现有和理论mof的机械性能

机器学习算法可以预测有机框架(mof)的力学性能提供了一种方法来克服这些高度变化和多功能材料的阿喀琉斯之踵——他们的不稳定。¹这背后的团队工作希望这将加快计算工具接受这些材料的行业。

财政部是一种水晶协调形成多孔结构的聚合物结合集群金属和有机配体。”他们的“积木”自然使化学家们可以轻松地调整他们的定制孔隙大小和表面化学合成为一个特定的应用程序,“解释道大卫Fairen-Jimenez英国剑桥大学。“然而,如果你希望使用财政部在现实生活中,你需要将他们塑造成丸,这封严可能摧毁他们的孔隙度,因此它们的功能。

“尽管许多财政部发现机械强劲,这背后的原因尚不清楚;…这系统的研究是重要的,及时的,解释道奥马尔Yaghimof的先驱,在加州大学伯克利分校的工作。Yaghi也是印象深刻研究人员使用高通量计算和机器学习的方式探索究竟是什么让一些mof稳定。

培训后超过3000财政部的数据集,该算法可以准确地预测现有的和假想的材料的机械性能。研究人员表明,理解mof的不同的拓扑是关键。在这种背景下,如何与金属集群拓扑研究不同有机配体,“Fairen-Jimenez说。如果我们不考虑这个因素,我们预测失败。”结果后MOF科学家普遍看法,更高的金属节点的连接数量增加稳定性,和某些有机图案,如三键,苯基环氮原子,加强材料。

Fairen-Jimenez利用财政部联合创立了两家创业公司。“去年,我们开发了巨mof,一种新的颗粒,因为它们的形状没有绑定或高压,实现出色的密度和力学性能²,”他说。“现在,这部小说计算工具给我们带来了一步开始采用这些美妙的多孔材料制造。

在算法之外,团队还创建了一个交互式网站——财政部探险家——化学家”不仅可以直观地探索我们分析的所有材料的性质,但也下载一个免费的程序,可以计算新合成mof的性质,“Fairen-Jimenez说。他的梦想,有一天,“材料化学家将SciFinder-like工具,只是上传晶体资料将获得所有的属性MOF他们只是准备的。