近年來,人工智能機(jī)器學(xué)習(xí)在材料科學(xué)研究中得到了廣泛的應(yīng)用。通過構(gòu)建的材料數(shù)據(jù)庫等大數(shù)據(jù)系統(tǒng)進(jìn)行機(jī)器學(xué)習(xí)模型訓(xùn)練,許多還沒有實(shí)驗(yàn)和理論數(shù)據(jù)的化合物性質(zhì)可以被預(yù)測出來,這將大大加速新材料發(fā)現(xiàn)及相關(guān)研究。機(jī)器學(xué)習(xí)在材料科學(xué)中的應(yīng)用之一是建立結(jié)構(gòu)與性能之間的關(guān)系,它試圖在材料指紋(包括組成元素的特征、原子結(jié)構(gòu)信息以及這些特征的任何組合)和我們感興趣的目標(biāo)屬性之間建立預(yù)測關(guān)系。過去的工作中,機(jī)器學(xué)習(xí)方案的預(yù)測能力在材料的帶隙、彈性模量、相穩(wěn)定性、離子電導(dǎo)率、導(dǎo)熱系數(shù)、熔融溫度、玻璃化轉(zhuǎn)變起始溫度等性質(zhì)有著很好的表現(xiàn)。
北京大學(xué)深圳研究生院新材料學(xué)院潘鋒團(tuán)隊(duì)近年承擔(dān)了國家材料基因組工程研發(fā)固態(tài)電池及關(guān)鍵材料的項(xiàng)目,構(gòu)建有60多萬獨(dú)立晶體結(jié)構(gòu)的大數(shù)據(jù)系統(tǒng)(www.pkusam.com)并且嘗試應(yīng)用人工智能機(jī)器學(xué)習(xí)的方法來加速新型材料的發(fā)現(xiàn)。在以往的研究中,機(jī)器學(xué)習(xí)方案的成功是基于數(shù)據(jù)庫中數(shù)據(jù)的共同趨勢,通過這樣的共同趨勢訓(xùn)練,開發(fā)的模型可以應(yīng)用于預(yù)測大多數(shù)化合物的結(jié)構(gòu)與性能的關(guān)系。這對通常的化合物是有效的、準(zhǔn)確的,因?yàn)樵诓牧蠑?shù)據(jù)庫的大多數(shù)情況下,通?;衔锞哂幸?guī)則的結(jié)構(gòu)單元。然而,例外總是存在的(即使有95%的預(yù)測精度,總還有5%的例外)。潘鋒團(tuán)隊(duì)通過對大量數(shù)據(jù)不斷改良機(jī)器學(xué)習(xí)不僅能夠?qū)崿F(xiàn)高精度預(yù)測材料的結(jié)構(gòu)和性能相關(guān)性(相當(dāng)于發(fā)現(xiàn)材料的“遺傳”性質(zhì)),同時(shí)首次原創(chuàng)性著眼于這些不在預(yù)測范圍的“例外”,并且通過分析這些“例外”(相當(dāng)于發(fā)現(xiàn)材料的“變異或突變”性質(zhì)),即分析遠(yuǎn)離總體趨勢的異常結(jié)果,從中獲得新的洞見,發(fā)現(xiàn)了新型的結(jié)構(gòu)基元(具有正3價(jià)的銀離子基團(tuán)),這對基礎(chǔ)物理化學(xué)有了一些新的認(rèn)識,并在科學(xué)上開辟了新的領(lǐng)域。該成果“Discovering unusual structures from exception using big data and machine learning techniques”以論文形式,應(yīng)邀在著名學(xué)術(shù)期刊《Science Bulletin》(64 (2019) 612–616)上以封面文章發(fā)表。
在該工作中,團(tuán)隊(duì)通過自主建立了一個包括HSE計(jì)算數(shù)據(jù)的材料結(jié)構(gòu)數(shù)據(jù)庫,并基于此通過機(jī)器學(xué)習(xí)的方法對材料結(jié)構(gòu)的帶隙進(jìn)行學(xué)習(xí),并展示了機(jī)器學(xué)習(xí)是如何被用來作為一種工具來挑選這些不尋常的案例,以及如何用傳統(tǒng)的分析方法來研究這些不尋常的案例,從而拓寬已有的科學(xué)知識。在該工作中,團(tuán)隊(duì)只使用了相對較小的數(shù)據(jù)集進(jìn)行訓(xùn)練,并且ML模型的總體性能與已有的工作相當(dāng),模型R2約為0.89。通過觀察帶隙預(yù)測模型的結(jié)果,團(tuán)隊(duì)從數(shù)據(jù)庫約4000種化合物中確定了34種不同尋常的“例外”化合物,在具體的分析之后,其中許多化合物具有不尋常的結(jié)構(gòu)或其它異常,如特殊的配位環(huán)境或氧化態(tài),帶隙相對于同族其它化合物的突然增加,或是同族不同化合物之間的不同相結(jié)構(gòu)。
?
機(jī)器學(xué)習(xí)預(yù)測帶隙的結(jié)果
在這些具有較大預(yù)測誤差的化合物中,團(tuán)隊(duì)發(fā)現(xiàn)了具有Ag3+和O22-特殊結(jié)構(gòu)的AgO2F。隨后,通過與KAgO2(“正常”結(jié)構(gòu))的電子結(jié)構(gòu)對比,他們發(fā)現(xiàn)AgO2F中不尋常的氧化態(tài)(O22-)使得O與Ag之間軌道雜化很小,帶隙附近的能級主要由O原子的2p軌道貢獻(xiàn),帶隙遠(yuǎn)小于其它含有Ag3+的化合物。這一實(shí)例證明了可以通過檢查機(jī)器學(xué)習(xí)模型中的異常,從大型數(shù)據(jù)庫中快速發(fā)現(xiàn)異常結(jié)構(gòu)。
AgO2F(“異常”結(jié)構(gòu))與KAgO2(“正?!苯Y(jié)構(gòu))的電子結(jié)構(gòu)比較。AgO2F由于具有不尋常的氧化態(tài)(O22-)從而具有異常的表現(xiàn)
該工作由新材料學(xué)院潘鋒教授和伯克利汪林望教授指導(dǎo),16級研究生揭鑒澍與團(tuán)隊(duì)合作完成。本工作得到國家材料基因工程重點(diǎn)研發(fā)計(jì)劃和廣東省重點(diǎn)實(shí)驗(yàn)室的資金支持。
文章鏈接:https://www.sciencedirect.com/science/article/pii/S2095927319302014
版權(quán)與免責(zé)聲明:本網(wǎng)頁的內(nèi)容由收集互聯(lián)網(wǎng)上公開發(fā)布的信息整理獲得。目的在于傳遞信息及分享,并不意味著贊同其觀點(diǎn)或證實(shí)其真實(shí)性,也不構(gòu)成其他建議。僅提供交流平臺,不為其版權(quán)負(fù)責(zé)。如涉及侵權(quán),請聯(lián)系我們及時(shí)修改或刪除。郵箱:sales@allpeptide.com