机器学习有助于识别下一代材料的弱点

文章插图
这是一个极其近距离的金属-有机骨架，或MOF，一种由相连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点，MOF可能适用于数百种应用，包括水提取、危险化学品储存或作为氢动力汽车的燃料电池。权威人士预测，在本世纪，塑料将在上个世纪同样重要。
然而，奇妙的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DavidFairen-Jimenez说：“MOFs太多孔，这使得它们适合各种应用，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，他和同事开发了一种机器学习算法，以更好地预测材料的脆弱性和应力。在《物质》杂志上发表的一项研究中，他们详细描述了3000个现有多器官功能衰竭的测试结果和尚未合成的数据。
科学家说，这项研究形成了一个重要的数据库，可以为这个领域的其他人节省时间。
【机器学习有助于识别下一代材料的弱点】“我们现在可以同时解释所有材料的景观，”Fairen-Jimenez说。“这样，我们就可以预测给定任务的最佳材料。