機器學習助力雜多酸鹽發現與表徵
雜多酸鹽是通過大量由氧原子橋接的金屬原子自組裝形成,可提供幾乎無限多種結構。然而,複雜的無機分子聚集到大分子上是一個很難預測的過程,並不容易發現新的結構。有必要找到這些分子聚集並結晶的環境條件,從而可對其進行表徵。
英國格拉斯哥大學Leroy Cronin教授率領的研究團隊利用機器學習開發出一種新方法,可確定雜多酸鹽合成與表徵的合適條件範圍。試驗的樣品是一種新的環狀雜多酸鹽Na6[Mo120Ce6O366H12(H2O)78]·200H2O。
在實驗中,研究人員會改變三種必需的試劑溶液的相對量,起點是成功和不成功結晶實驗的一組數據,開展10個實驗,然後使用這些實驗的結果再分別進行下一組10個實驗,這樣就共有100個結晶試驗結果。
相關研究工作發表在Angew. Chem. Int. Ed.(文章標題:Human vs Robots in theDiscovery and Crystallization of Gigantic Polyoxometalates)。
資料來源:
Man versus (Synthesis)Machine: Active machine learning for the discovery and crystallization ofgigantic polyoxometalate molecules
http://newsroom.wiley.com/press-release/angewandte-chemie-international-edition/man-versus-synthesis-machine-active-machine-le
※2018年大數據,機器學習和人工智慧預測!
※機器學習人工學weekly-201834
TAG:機器學習 |