Un algoritmo universal de aprendizaje automático para el cribado a gran escala de materiales

Área de la Ciencia:

• Ciencias de los materiales
• Química computacional
• Aprendizaje automático

Sus antecedentes:

• El aprendizaje automático (ML) ofrece una alternativa computacionalmente eficiente a las simulaciones moleculares para predecir la adsorción de gases en nanomateriales como los marcos metálico-orgánicos (MOF).
• Los modelos anteriores de ML se basaban en bloques estructurales, que pueden limitar la generalización y requieren datos de capacitación extensos.

Objetivo del estudio:

• Mejorar la precisión y la universalidad del modelo ML para predecir las capacidades de adsorción de gases en los MOF.
• Introducir la intuición química en los descriptores de ML utilizando tipos de átomos en lugar de bloques de construcción.

Principales métodos:

• Empleó el algoritmo de bosque aleatorio para predecir las capacidades de adsorción de metano y dióxido de carbono para miles de MOF hipotéticos.
• Desarrolló nuevos descriptores basados en "tipos de átomos" para capturar el carácter químico de los MOF.
• Evaluación del rendimiento del modelo en diversas condiciones termodinámicas.

Principales resultados:

• Las predicciones de ML utilizando tipos de átomos superaron significativamente los modelos basados en bloques de construcción en precisión.
• El número de MOF requeridos para la formación se redujo en un orden de magnitud.
• Universalidad y transferibilidad demostradas al predecir con éxito las propiedades de adsorción de una clase diferente de materiales.

Conclusiones:

• La incorporación de tipos de átomos como descriptores mejora la precisión y reduce los requisitos de datos para la predicción de la adsorción de gases basada en ML en MOF.
• El enfoque del descriptor de tipo atómico propuesto ofrece una mayor universalidad y transferibilidad, lo que permite predicciones para diversas familias de materiales.
• Este método representa un avance significativo para el cribado computacional y el diseño de nuevos materiales para aplicaciones de adsorción de gases.