據(jù)多倫多大學(xué)官網(wǎng)報(bào)道，由該校和美國(guó)西北大學(xué)組成的研究團(tuán)隊(duì)，利用機(jī)器學(xué)習(xí)技術(shù)開(kāi)發(fā)了一個(gè)自動(dòng)化材料發(fā)現(xiàn)平臺(tái)，有助于加快材料的設(shè)計(jì)周期。相關(guān)論文已在《自然-機(jī)器智能》（Nature Machine Intelligence）上發(fā)表。
網(wǎng)狀框架是通過(guò)在不同拓?fù)浣Y(jié)構(gòu)中分子構(gòu)建塊的自組裝而形成的結(jié)晶多孔材料，其中許多具有氣體存儲(chǔ)、分離、催化以及生物醫(yī)學(xué)等應(yīng)用所需的特性。研究團(tuán)隊(duì)開(kāi)發(fā)了一種由超分子變體自編碼器支持的自動(dòng)化納米多孔材料發(fā)現(xiàn)平臺(tái)，用于網(wǎng)狀材料的生成設(shè)計(jì)。在該研究中，研究人員用一類(lèi)金屬有機(jī)框架（MOF）結(jié)構(gòu)演示了自動(dòng)化設(shè)計(jì)過(guò)程，并實(shí)現(xiàn)了從天然氣或煙道氣中分離出二氧化碳的目標(biāo)。該模型在捕獲MOF結(jié)構(gòu)特征方面顯示出很高的保真度。研究表明，當(dāng)與多個(gè)氣體分離最佳吸附劑候選物共同訓(xùn)練時(shí)，自動(dòng)編碼器具有良好的優(yōu)化能力。利用該平臺(tái)發(fā)現(xiàn)的MOF材料與迄今已知的某些MOF材料相比具有很強(qiáng)的競(jìng)爭(zhēng)力。
研究的主要作者，多倫多大學(xué)文理學(xué)院化學(xué)系和計(jì)算機(jī)科學(xué)系博士后姚振鵬稱(chēng)，該平臺(tái)可用于生成各種分子框架設(shè)計(jì)，顯著縮短用于某種特定用途的最佳材料的識(shí)別時(shí)間。
加拿大高等研究院（CIFAR）人工智能首席科學(xué)家、加拿大150理論化學(xué)研究主席（Canada 150 Research Chair in Theoretical Chemistry）艾倫·阿斯普魯·古茲克（Alan Aspuru-Guzik）教授說(shuō)，網(wǎng)狀材料的設(shè)計(jì)極具挑戰(zhàn)性，因?yàn)槊媾R著晶體建模和分子建模交織在一起的困難。這種網(wǎng)狀化學(xué)方法是多倫多大學(xué)利用人工智能加速材料開(kāi)發(fā)的一個(gè)范例。利用AI模型可以想象或建議（'dream' or suggest）新穎材料，超越傳統(tǒng)的基于庫(kù)的篩選方法。
研究的共同作者、西北大學(xué)工程學(xué)院化學(xué)與生物工程系主任蘭德?tīng)?middot;斯努爾（Randall Snurr）稱(chēng)，我們過(guò)去是通過(guò)計(jì)算從候選庫(kù)中篩選出最佳材料。現(xiàn)在這種協(xié)同開(kāi)發(fā)的自動(dòng)化材料發(fā)現(xiàn)平臺(tái)，比對(duì)數(shù)據(jù)庫(kù)中所有材料進(jìn)行“蠻力”（'brute force'）篩選效率更高。更重要的是，該方法使用機(jī)器學(xué)習(xí)算法，從數(shù)據(jù)中學(xué)習(xí)探索材料空間，實(shí)際上提出了原本沒(méi)有想到的新材料。
該研究得到了美國(guó)能源部科學(xué)辦公室、加拿大機(jī)械加工技術(shù)研究與創(chuàng)新網(wǎng)絡(luò)（Canadian Network for Research and Innovation in Machining Technology）以及加拿大自然科學(xué)與工程研究理事會(huì)（NSERC）的支持。
網(wǎng)狀框架是通過(guò)在不同拓?fù)浣Y(jié)構(gòu)中分子構(gòu)建塊的自組裝而形成的結(jié)晶多孔材料，其中許多具有氣體存儲(chǔ)、分離、催化以及生物醫(yī)學(xué)等應(yīng)用所需的特性。研究團(tuán)隊(duì)開(kāi)發(fā)了一種由超分子變體自編碼器支持的自動(dòng)化納米多孔材料發(fā)現(xiàn)平臺(tái)，用于網(wǎng)狀材料的生成設(shè)計(jì)。在該研究中，研究人員用一類(lèi)金屬有機(jī)框架（MOF）結(jié)構(gòu)演示了自動(dòng)化設(shè)計(jì)過(guò)程，并實(shí)現(xiàn)了從天然氣或煙道氣中分離出二氧化碳的目標(biāo)。該模型在捕獲MOF結(jié)構(gòu)特征方面顯示出很高的保真度。研究表明，當(dāng)與多個(gè)氣體分離最佳吸附劑候選物共同訓(xùn)練時(shí)，自動(dòng)編碼器具有良好的優(yōu)化能力。利用該平臺(tái)發(fā)現(xiàn)的MOF材料與迄今已知的某些MOF材料相比具有很強(qiáng)的競(jìng)爭(zhēng)力。
研究的主要作者，多倫多大學(xué)文理學(xué)院化學(xué)系和計(jì)算機(jī)科學(xué)系博士后姚振鵬稱(chēng)，該平臺(tái)可用于生成各種分子框架設(shè)計(jì)，顯著縮短用于某種特定用途的最佳材料的識(shí)別時(shí)間。
加拿大高等研究院（CIFAR）人工智能首席科學(xué)家、加拿大150理論化學(xué)研究主席（Canada 150 Research Chair in Theoretical Chemistry）艾倫·阿斯普魯·古茲克（Alan Aspuru-Guzik）教授說(shuō)，網(wǎng)狀材料的設(shè)計(jì)極具挑戰(zhàn)性，因?yàn)槊媾R著晶體建模和分子建模交織在一起的困難。這種網(wǎng)狀化學(xué)方法是多倫多大學(xué)利用人工智能加速材料開(kāi)發(fā)的一個(gè)范例。利用AI模型可以想象或建議（'dream' or suggest）新穎材料，超越傳統(tǒng)的基于庫(kù)的篩選方法。
研究的共同作者、西北大學(xué)工程學(xué)院化學(xué)與生物工程系主任蘭德?tīng)?middot;斯努爾（Randall Snurr）稱(chēng)，我們過(guò)去是通過(guò)計(jì)算從候選庫(kù)中篩選出最佳材料。現(xiàn)在這種協(xié)同開(kāi)發(fā)的自動(dòng)化材料發(fā)現(xiàn)平臺(tái)，比對(duì)數(shù)據(jù)庫(kù)中所有材料進(jìn)行“蠻力”（'brute force'）篩選效率更高。更重要的是，該方法使用機(jī)器學(xué)習(xí)算法，從數(shù)據(jù)中學(xué)習(xí)探索材料空間，實(shí)際上提出了原本沒(méi)有想到的新材料。
該研究得到了美國(guó)能源部科學(xué)辦公室、加拿大機(jī)械加工技術(shù)研究與創(chuàng)新網(wǎng)絡(luò)（Canadian Network for Research and Innovation in Machining Technology）以及加拿大自然科學(xué)與工程研究理事會(huì)（NSERC）的支持。
