Новое исследование, проведенное учеными из Университета Торонто и Северо-Западного университета, использовало машинное обучение для создания лучших строительных блоков при сборке каркасных материалов.

В новой работе говорится, что искусственный интеллект (ИИ) может помочь в разработке новых материалов для различных приложений. Например, при выделении диоксида углерода в процессах промышленного сжигания. Благодаря ИИ можно ускорить циклы проектирования материалов.

Для того, чтобы улучшить разделение химических веществ в промышленных процессах, группа исследователей определила лучшие ретикулярные каркасы (например, металлоорганические каркасы, ковалентные органические каркасы) для использования.

Такие каркасы можно рассматривать как специально разработанные молекулярные «губки»: они образуются на основе самосборки молекулярных строительных блоков в различные конфигурации. Так получается новое семейство кристаллических пористых материалов, их можно использовать для решения многих технологических задач.

Мы создали автоматизированную платформу для обнаружения материалов, которая генерирует дизайн различных молекулярных структур. Это значительно сокращает время, необходимое для определения оптимальных материалов, которые используются в этом конкретном процессе. В нашем случае мы использовали платформу для обнаружения каркасов, которые сильно конкурируют с некоторыми из наиболее эффективных материалов, используемых для разделения CO₂, – Чжэнпэн Яо, научный сотрудник кафедры химии и компьютерных наук на факультете гуманитарных и естественных наук Университета Калифорнии и ведущий автор исследования.

Исследователи говорят, что модель демонстрирует отличные возможности прогнозирования и оптимизации при разработке новых ретикулярных структур, особенно в сочетании с уже известными. Также платформа полностью настраивается в своем приложении для решения многих современных технологических задач.