“废弃数据+机器学习” 浙大杭州国际科创中心解锁高纯化学品制备新方法

近年来,机器学习被引入到材料科学研究中,能显著提高材料研发效率。但目前现有文献中,报道的实验数据一致性不足、完整性不佳,难以满足机器学习训练的需求。近日,浙大杭州国际科创中心生物与分子智造研究院高纯化学品智造团队通过结合废弃实验数据和计算化学参数实现了对材料性能高精度预测的通用机器学习训练策略,巧妙地解决了这个难题。目前,相关研究成果已发表在《Matter》期刊上。

“机器学习效果的关键在于实现对材料性能的高精度预测,而其预测精度在很大程度上取决于训练数据的质量。”论文第一作者、科创中心生物与分子智造研究院博士后胡建波说。高质量的数据从哪里寻找?高纯化学品智造团队将目光投向了课题组在过往研究过程中废弃的实验数据,这些数据在别人眼中或许“一文不值”,但在团队眼中却是难得的宝贝,他们结合计算化学方法,经过一番巧妙的“翻译”,废弃数据“摇身一变”就成了可以供计算机学习的高质量数据,并可以用来构建机器学习预测模型,挖掘材料结构与性质间的关联性。

除了“训练”,团队还通过测试集对计算机的学习“成果”进行“考试”。结果表明,训练集和测试集的预测结果都与实验数据吻合良好,这也说明所构建的机器学习模型能够捕获特征描述符与吸附性能之间的相关性,且废弃数据的引入可以显著地提高机器学习预测精度。

基于机器学习所构建的高精度AI模型,团队首次实现了对阴离子柱撑超微孔材料乙炔、乙烯、二氧化碳实验吸附性能的高精度预测,并成功合成出两种兼具高选择性和高吸附容量的吸附分离材料,未来有望取代传统方式,在高纯化学品分离技术上实现突破性变革,而这一成果也充分展示了AI技术强大的材料挖掘性能。

今年以来,高纯化学品智造团队硕果频出,系列突破性研究成果先后发表在了Nat. Commun. (2篇)、Angew. Chem. Int. Ed. (1篇)等国际权威期刊上。未来,他们还希望依托浙大国际科创中心生物与分子智造研究院iChemFoundry自动化科学技术装置,坚持用化工领域所积累的丰富知识和经验,扎实推进机器学习的充分利用,不断攻克在交叉学科领域遇到的难题。