據22日發(fā)表在《科學(xué)進(jìn)展》雜志上的一項研究，美國西北大學(xué)和豐田研究所研究人員已成功應用機器學(xué)習來(lái)指導新納米材料的合成，消除與材料發(fā)現相關(guān)的障礙。這種訓練有素的算法，可通過(guò)定義數據集來(lái)準確預測可用于清潔能源、化學(xué)和汽車(chē)行業(yè)燃料的重要催化劑。
論文通訊作者、美國西北大學(xué)納米技術(shù)專(zhuān)家查得·米爾金此次發(fā)明的數據生成工具 “巨庫”極大地擴展了研究人員的視野。每個(gè)“巨庫”都包含數百萬(wàn)甚至數十億個(gè)納米結構，每個(gè)納米結構的形狀、結構和成分都略有不同，所有這些都在2×2平方厘米的芯片上進(jìn)行了位置編碼。迄今為止，每個(gè)芯片包含的新無(wú)機材料比科學(xué)家收集和分類(lèi)的還要多。
研究團隊通過(guò)使用聚合物筆光刻技術(shù)開(kāi)發(fā)了“巨庫”，這是一種大規模并行納米光刻工具，能夠每秒對數十萬(wàn)個(gè)特征進(jìn)行特定位置的沉積。
在繪制人類(lèi)基因組圖譜時(shí)，科學(xué)家的任務(wù)是識別四種堿基的組合。但“材料基因組”包括元素周期表中任何可用元素的納米粒子組合，以及形狀、大小、相形態(tài)、晶體結構等參數。以“巨庫”的形式構建更小的納米粒子子集，將使研究人員更接近完成材料基因組的完整圖譜。
米爾金說(shuō)，即使是類(lèi)似于材料基因組的東西，確定如何使用或標記它們，也需要不同的工具。機器學(xué)習應用程序非常適合解決定義和挖掘材料基因組的復雜性，但卻受限于創(chuàng )建數據集以在空間中訓練算法的能力。“巨庫”與機器學(xué)習的結合可能最終會(huì )解決這個(gè)問(wèn)題，從而了解哪些參數會(huì )驅動(dòng)某些材料特性。
在該項研究中，米爾金團隊編譯了先前生成的由具有復雜成分、結構、尺寸和形態(tài)的納米粒子組成的“巨庫”結構數據。他們使用這些數據來(lái)訓練模型，并要求它預測會(huì )產(chǎn)生某種結構特征的四個(gè)、五個(gè)和六個(gè)元素的組成。在19次預測中，機器學(xué)習模型正確預測了18次新材料，準確率約為95%。
該模型在西北大學(xué)建立的大型數據集上，以尋找具有圍繞相位、尺寸和其他結構特征設置參數的多金屬納米粒子，而這些參數會(huì )改變納米粒子的特性和功能。
研究人員表示，該技術(shù)或能推動(dòng)對未來(lái)至關(guān)重要的許多領(lǐng)域中的發(fā)現，包括塑料升級回收、太陽(yáng)能電池、超導體和量子比特。該團隊現在正在使用這種方法尋找對清潔能源、汽車(chē)和化工行業(yè)的燃料過(guò)程至關(guān)重要的催化劑。確定新的綠色催化劑將使廢物和大量原料轉化為有用物質(zhì)促進(jìn)氫氣產(chǎn)生、二氧化碳利用和燃料電池的開(kāi)發(fā)。
