怎樣在數分鐘內完成對數十萬材料的性能預測，從而尋找出具有優質性能的碳捕獲和儲存(CCS)金屬有機框架材料(MOF)？近日，南京工業大學計算機科學與技術學院副教授萬夕里指導的2020級碩士研究生鹿存興開發出一種基于深度學習的MOF碳捕獲性能的端到端的人工智能(AI)預測方法。在實際應用中，該計算法只用1/10的時間，就能篩選出99%具有CCS性能優異的MOF。
“二氧化碳作為導致全球變暖的主要溫室氣體，如何在數量龐大的氣體吸附材料中尋找到具有CCS性能優異的MOF是當前學術研究中的難點。”談及研究的初衷，鹿存興表示，MOF因在氣體吸附方面具有優異的性能而被視為實現碳捕獲與儲存的理想材料，但是MOF的高度可調性導致合成中可生成上百萬種不同的MOF。
據萬夕里介紹，鹿存興開發出的預測方法具有兩大優點。一是具有深度學習的特性，可以通過不斷的自我訓練與調節尋找出最優的預測方法；二是其端到端的特性使得無計算機基礎的學者可以直接使用。
萬夕里表示，近年來，雖有致力于解決這一問題的研究，但均有部分限制，如分子模擬方法需要消耗大量的計算資源，應對大型數據集時非常低效。此外，該方法既需要構建大量的描述符，又需要很強的先驗知識與不斷地試錯，還要在特征工程上投入大量時間來獲取通過分子模擬的描述符數值。
“我的計算方法避開了現有計算耗時耗力的弊端，開發出一種無需構建描述符的端到端的預測方法，僅以晶體學信息文件(CIF)作為輸入，自適應地學習影響性能的高維度特征，從而對MOF的性能進行快速而精準地預測。”鹿存興介紹說，他創新性地使用投影的方法，將材料領域中的三維結構轉化為計算機可讀的二維信息，在結合時下計算機領域深度學習的研究熱點后，實現了端到端的性能預測。
這種具有自學習能力的計算方法，在每次循環結束時會評估預測值與真實值的差距，進而調整自身的參數來減少差距，多次循環后將誤差降到最小，從而實現一個比較準確的擬函數。“實驗表明，我們的計算方法數分鐘內可對幾十萬種MOF進行預測，預測值前12%的MOF中包含了真實高性能材料中的99.3%。”鹿存興開心地說，導師萬夕里課題組主要從事人工智能、云計算、大數據等方面的研究。近年來，在計算機與數學、化學等多學科交叉方面有著可觀的成果。得益于課題組，他的計算法在實際應用中，縮短到1/10的計算時間，即節省計算時間近一個量級，就可篩選出99%具有CCS性能優異的MOF。
中華人民共和國國家發展和改革委員會 中華人民共和國工業和信息化部 中華人民共和國應急管理部 中華人民共和國生態環境部 中華人民共和國科學技術部 中華人民共和國財政部 中華人民共和國商務部 中國石油和化學工業聯合會
江蘇省發展和改革委員會 江蘇省工業和信息化廳 江蘇省財政廳 江蘇省生態環境廳 江蘇省科學技術廳 江蘇省商務廳 江蘇省應急管理廳 江蘇省市場監督管理局 江蘇省統計局
北京市化學工業協會 天津市石油和化工協會 遼寧省石油和化學工業協會 內蒙古石油和化學工業協會 重慶市石油與天然氣學會 河北省石油和化學工業協會 山西省化學工業協會 吉林省能源協會 黑龍江省石化行業協會 浙江省石油和化學工業行業協會 安徽省石油和化學工業協會 福建省石油和化學工業協會 江西省石油和化學工業協會 河南省石油和化學工業協會 湖北省石化行業協會 湖南省石油化學工業協會 廣東省石油和化學工業協會 海南省石油和化學工業行業協會 四川省化工行業協會 貴州省化學工業協會 云南省化工行業協會 陜西省經濟聯合會 甘肅省石化工業協會 青海省化工協會
電話：協會：025-8799064 學會：025-86799482
會員服務部：025-86918841
信息部：025-86910067
傳真：025-83755381
郵箱：jshghyxh@163.com
郵編：210019
地址：南京市夢都大街50號東樓(省科技工作者活動中心)5樓
增值電信業務經營許可證：蘇B2-20110130
