机器学习指导催化剂设计,提高反应的产率( 二 )
通过模拟28个「描述符」的变化——包括七个步骤的活化能 , 以及一次改变两个步骤的成对步骤——该团队生成了一个包含500个数据点的综合数据集 。 该数据集预测了所有这些单独的调整和成对的调整将如何影响甲醇生产 。 然后 , 该模型根据28个描述符在推动甲醇产量方面的重要性对它们进行评分 。
「我们的模型从数据中[学习] , 并确定了它预测将对生产产生最大影响的六个关键描述符 。 」Liao说 。
在确定了重要的描述符之后 , 科学家们只使用这六个「活跃」描述符重新训练了ML模型 。 这种改进的ML模型能够完全基于这六个参数的DFT计算来预测催化活性 。
文章图片
图示:kMC-在训练集、测试集和金属-Cu(111)(M=Au,Cu,Pt,Pd,Ni)上模拟甲醇转换频率(TOF)和改进ML模型预测的值 。
虽然描述符的数量从28个大幅减少到6个 , 但在训练集和测试集中 , RMSE测量的模型精度甚至比初步模型略有提高 , 表明删除的描述符大多是非信息性的 。
「你不必计算整个28个描述符 , 现在你可以只计算6个描述符 , 得到你感兴趣的甲醇转化率 。 」Liu说 。
为了确认所选描述符的有效性 , 从重新训练的模型中一次删除一个 。 结果表明 , 每个有效描述符的删除导致测试集中的预测准确度大幅下降 。 有趣的是 , 去除归一化二阶描述符后的准确度损失甚至大于去除一阶描述符 , 这表明包含所有六个描述符是必要的 , 并且归一化二阶描述符对于实现高可预测性比一阶描述符更重要 。
文章图片
图示:删除指示的描述符后 , 由测试集中的RMSE测量的精度损失 。
该团队表示 , 他们还可以使用该模型来筛选催化剂 。 如果他们可以设计一种催化剂来提高六个活性描述符的值 , 那么该模型可以预测最大的甲醇生产率 。
了解机制
当研究小组将模型的预测与催化剂的实验性能以及各种金属与铜的合金的性能进行比较时 , 预测与实验结果相符 。 将ML方法与以前用于预测合金性能的方法进行比较表明 , ML方法要优越得多 。
这些数据还揭示了许多关于能垒变化如何影响反应机制的细节 。 特别有趣和重要的是 , 反应的不同步骤如何协同工作 。 例如 , 数据表明 , 在某些情况下 , 仅在限速步骤中降低能垒本身并不能提高甲醇产量 。 但是 , 调整反应网络中更早一步的能垒 , 同时将限速步骤的活化能保持在理想范围内 , 会增加甲醇产量 。
「我们的方法为我们提供了详细的信息 , 我们可能可以用来设计一种催化剂 , 很好地协调这两个步骤之间的相互作用 。 」Liu说 。
但Liu对将这种数据驱动的ML框架应用于更复杂的反应的潜力感到最兴奋 。
Liu说:「我们使用甲醇反应来演示我们的方法 。 但它生成数据库的方式 , 以及我们训练ML模型的方式 , 以及我们如何根据每个描述符函数的作用来确定其重要性的整体权重的方式 , 这很容易应用于其他反应中 。 」
论文链接:https://pubs.rsc.org/en/content/articlelanding/2022/CY/D2CY00284A
【机器学习指导催化剂设计,提高反应的产率】参考内容:https://phys.org/news/2022-05-machine-framework-ids-catalysts.html
人工智能×[生物神经科学数学物理材料]
「ScienceAI」关注人工智能与其他前沿技术及基础科学的交叉研究与融合发展 。
欢迎关注标星 , 并点击右下角点赞和在看 。
- 本文转自:烟台广播电视台“离开祖国整整149天|烟台造智能机器人远征南极 助力科考
- 微型摄像头|清华大学研发微小型管道机器人实现亚厘米级管道高效探测
- 马斯克推迟特斯拉AI日,称将公布人形机器人原型机
- 机器人|特斯拉预计9月发布人型机器人:长得太像人了
- 马克·扎克伯格|扎克伯格:穿400元T恤,娶妻被嘲像大妈,如今举止越来越像机器人
- 惠普|扎克伯格去湖中游泳,向世人证明自己并不是个机器人
- 扎克伯格:穿400元T恤,娶妻被嘲像大妈,如今举止越来越像机器人
- 案例|高效运作,未来机器人为食品加工企业保驾护航
- 日本国铁开发人形机器人干粗活 酷似高达功能众多
- 无人车|美团无人车追尾公交车!指望“机器人”送餐,会“饿死了么”?