您尚未登录账户请先登录您的atyun账户，方可使用该功能
您的企业账号申请正在审核中审核通过后即可使用此功能，请耐心等待~
AI研究新突破：利用神经网络预测新的化合物
2018年07月17日 由 浅浅 发表
107256
0
[caption id="attachment_24529" align="aligncenter" width="780"]
佛罗里达州立大学的一个研究小组开发了一种AI系统，用来识别数十万个假想的晶体结构中的哪一个可以预测新的化合物。[/caption]
这一举措可以从根本上改变化学家识别，测试和研究各种材料，药品或其他产品潜在的新化合物。
“我们正在处理大量有关晶体结构的数据，并试图找出帮助识别新化合物的最佳方法，”FSU化学与生物化学教授Michael Shatruk表示，“当我的学生说'让一台机器把它弄明白'时，这一突破应运而生。”
博士生Kevin Ryan开发了一种机器学习模型，该模型依赖于神经网络，可以分析现有的无机材料晶体结构，并利用这些知识预测新的化合物。
该研究发表在美国化学学会期刊上：pubs.acs.org/doi/10.1021/jacs.8b03913
“它在做的是创建一个基于晶体结构知识的模型，以了解化学元素如何结合到新的结构布置中以制造新材料，”Ryan指出。
研究人员用超过50000个晶体结构训练网络，而没有提供任何其他有关化学理论的知识或数据。计算机从原子的几何排列中学习化学。此外，他们允许网络通过使用可移动的虚拟探针来学习原子排列。该系统基本上在每个原子周围有12个虚拟眼睛，以给网络提供多个角度的结构，从而传达3D信息。
为了测试模型，Ryan在数据集上训练它，然后在它从未见过的晶体结构子集上进行测试。研究人员发现，网络可以识别元素组内的相似性。
“该模型正在研究什么样的配置对氧气有意义，什么对碳有意义，”Ryan说。
神经网络模型可以为合成化学家提供指导，因为他们正试图发现新的化合物。根据Shatruk的说法，传统的方法更像是“shake and bake”，科学家们直接去实验室试验他们认为可能形成新结构的启发式化学成分。
“利用神经网络模型，你可以给出所有这些信息，并根据自己的参数做出自己的预测，”Shatruk说。
Ryan和Shatruk与FSU研究生Jeff Lengyel共同撰写了这篇论文。该研究得到了美国国家科学基金会和橡树岭国家实验室的支持。
佛罗里达州立大学的一个研究小组开发了一种AI系统，用来识别数十万个假想的晶体结构中的哪一个可以预测新的化合物。[/caption]这一举措可以从根本上改变化学家识别，测试和研究各种材料，药品或其他产品潜在的新化合物。
“我们正在处理大量有关晶体结构的数据，并试图找出帮助识别新化合物的最佳方法，”FSU化学与生物化学教授Michael Shatruk表示，“当我的学生说'让一台机器把它弄明白'时，这一突破应运而生。”
博士生Kevin Ryan开发了一种机器学习模型，该模型依赖于神经网络，可以分析现有的无机材料晶体结构，并利用这些知识预测新的化合物。
该研究发表在美国化学学会期刊上：pubs.acs.org/doi/10.1021/jacs.8b03913
“它在做的是创建一个基于晶体结构知识的模型，以了解化学元素如何结合到新的结构布置中以制造新材料，”Ryan指出。
研究人员用超过50000个晶体结构训练网络，而没有提供任何其他有关化学理论的知识或数据。计算机从原子的几何排列中学习化学。此外，他们允许网络通过使用可移动的虚拟探针来学习原子排列。该系统基本上在每个原子周围有12个虚拟眼睛，以给网络提供多个角度的结构，从而传达3D信息。
为了测试模型，Ryan在数据集上训练它，然后在它从未见过的晶体结构子集上进行测试。研究人员发现，网络可以识别元素组内的相似性。
“该模型正在研究什么样的配置对氧气有意义，什么对碳有意义，”Ryan说。
神经网络模型可以为合成化学家提供指导，因为他们正试图发现新的化合物。根据Shatruk的说法，传统的方法更像是“shake and bake”，科学家们直接去实验室试验他们认为可能形成新结构的启发式化学成分。
“利用神经网络模型，你可以给出所有这些信息，并根据自己的参数做出自己的预测，”Shatruk说。
Ryan和Shatruk与FSU研究生Jeff Lengyel共同撰写了这篇论文。该研究得到了美国国家科学基金会和橡树岭国家实验室的支持。
欢迎关注ATYUN官方公众号
商务合作及内容投稿请联系邮箱:bd@atyun.com
广告
广告
写评论取消
回复取消