Ученые создали систему машинного обучения для поиска новых катализаторов
Систему, основанную на машинном обучении и вычисленных дескрипторах, для поиска особых типов катализаторов разработали ученые из RWTH Aachen University, 25 ноября сообщает журнал Science.
Ученые задействовали алгоритмы машинного обучения для поиска закономерностей в известных типах лигандов для поиска новых катализаторов. Поиск новых катализаторов, полезных для химиков, — непростая задача. Исторически это делалось методом проб и ошибок.
В течение последних нескольких лет ученые искали способы ускорить этот процесс в надежде, что могут быть обнаружены новые катализаторы, которые можно было бы использовать для создания новых и, возможно, экзотических продуктов.
В этой новой работе исследователи обратились к машинному обучению, чтобы помочь с новыми поисковыми запросами. Исследователи обучили свой алгоритм на примерах общих свойств известных лигандов. Затем они использовали его для фильтрации 348 лигандов и сортировки их по кластерам с использованием дескрипторов, полученных с помощью вычислений.
В результате получился большой набор данных, который был сгруппирован в более мелкие единицы, каждую из которых можно было использовать для определенных целей. Они обнаружили, что такая обработка сработала, как и предполагалось, предсказав лиганды, которые были синтезированы ранее.
Затем они использовали его для поиска специальных классов катализаторов. В результате новая система смогла обнаружить новые лиганды, используя всего пять точек данных, тогда как для других систем, как они отмечают, требуется гораздо больше данных.
Ученые заявляют, что точность их системы достаточно высока, и они уже внесли предложения о лигандах, которые иначе никогда бы не нашли. Они также предполагают, что их система, вероятно, будет использоваться для решения других проблем, связанных с поиском катализаторов в целом.
