机器学习促进了分离吸附和催化的材料

人工智能技术(机器学习)正在帮助加速称为金属有机框架(MOF)的高度可调材料的开发，这些材料在化学分离，吸附，催化和传感方面具有重要应用。

利用有关200多个现有MOF的属性的数据，对机器学习平台进行了培训，以通过预测一个经常必要的属性(水稳定性)来帮助指导新材料的开发。利用该模型的指导，研究人员可以避免耗时的合成工作，然后通过实验测试新的候选MOF的水稳定性，从而避免了耗时的工作。研究人员已经在扩展模型以预测其他重要的MOF属性。

在美国能源部(DOE)的科学办公室的基础能源科学计划的支持下，这项研究于11月9日发表在《自然机器智能》杂志上。这项研究是由位于佐治亚理工学院的DOE能源前沿研究中心，在理解和控制酸性气体引起的能源演化过程中心(UNCAGE-ME)中进行的。

佐治亚理工学院化学与生物分子工程学院的教授兼罗伯特·“布德”·穆勒教授罗伯特·巴德·穆勒教授克里斯塔·沃尔顿说：“ MOFs的水稳定性问题在这一领域已经存在很长时间了，没有容易预测的方法。” “无需为每个候选的MOF进行合成和实验来解决这个问题，该机器学习模型现在提供了一种预测水稳定性的方法，并提供了一组所需的功能。这将真正加快识别新材料的过程。具体应用。”

MOF是一类多孔的晶体材料，由无机金属离子或与有机配体连接的簇合成。它们以易于调整的组件而闻名，可以为特定的应用定制这些组件，但是大量潜在的组合使得难以选择具有所需特性的MOF。那就是人工智能可以提供帮助的地方。

乔治亚大学材料科学与工程学院教授兼能源可持续性杰出学者迈克尔·E·坦能鲍姆家族主席兰皮·兰普拉萨德(Rampi Ramprasad)说，机器学习在材料科学中的作用越来越重要。