机器学习有助于识别下一代材料的弱点

科技2020-03-23 15:57:56
导读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

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,如有侵权请联系删除!