机器学习有助于识别下一代材料的弱点

这是一种极端特写的金属有机骨架，或MOF，一种由连接的金属和有机原子组成的自组装三维化合物。作为材料科学研究的热门话题，MOF可能适用于数百种应用，包括水提取，储存危险化学品或作为氢动力汽车的燃料电池。权威人士预测，在本世纪，塑料在最后一个世纪中同样重要。

然而，奇妙物质有一个主要缺点：它们会破裂。

英国剑桥大学的化学工程师David Fairen-Jimenez说：“MOF太多孔，使得它们适用于各种不同的应用，但同时它们的多孔性使它们非常脆弱。”

为了更好地理解这一方面，他和同事们开发了一种机器学习算法，以便更好地预测材料的脆弱性和压力。在Matter期刊上发表的一项研究中，他们详细介绍了对3000种现有MOF进行的测试结果，以及尚未合成的数据。

科学家们说，这项研究形成了一个重要的数据库，可以为该领域的其他人节省时间。

“我们现在能够同时解释所有材料的景观，”Fairen-Jimenez说。“通过这种方式，我们可以预测给定任务的最佳材料。

　　免责声明：本文由用户上传，与本网站立场无关。财经信息仅供读者参考，并不构成投资建议。投资者据此操作，风险自担。 如有侵权请联系删除！