科學家利用機器學習來指導合成新材料，以期為燃料提供催化劑

科學家和機構每年都投入非常多的資源來發現新材料，以期為燃料提供催化劑。隨著自然資源的減少，以及對先進性能產品的需求日益增長，研究人員開始注意到性能優異的納米材料。

近日，美國西北大學利用機器學習來指導新納米材料的合成，消除了材料發現相關的障礙。這種訓練有素的算法，通過定義的數據集來準確預測可以為清潔能源、化學和汽車行業燃料提供新催化劑。

研究人員表示，此次發明的數據生成工具“巨庫”（Megalibrary）極大地擴展了研究人員的視野。每個“巨庫”都包含數百萬甚至數十億個納米結構，每個納米結構的形狀、結構和成分都略有不同，且都在 2×2 平方厘米的芯片上進行了位置編碼。迄今為止，每個芯片包含的新無機材料比科學家收集分類的還要多。

研究作者Chad Mirkin說：“我們讓模型告訴我們，多達七種元素的混合物會產生哪些以前從未制造過的東西。結果是機器預測了 19 種可能性，在對每種可能性進行了測試后，我們發現其中 18 種預測是正確的。也就是說，準確率約為 95%。”

該團隊現在正在使用該方法尋找對清潔能源、汽車和化工行業的燃料過程至關重要的催化劑。識別新的綠色催化劑，將使廢物和大量原料轉化為有用物質。

該研究論文題為“Machine learning–accelerated design and synthesis of polyelemental heterostructure”，已發表在《科學進展》期刊上。

前瞻經濟學人APP資訊組

論文原文：https://www.science.org/doi/10.1126/sciadv.abj5505

標簽： 機器學習 新材料