【资料图】

来自瑞士洛桑联邦理工学院、加利福尼亚大学和Ecole的化学家和计算机科学家团队开发了一个工具生态系统，以促进基于机器学习的金属有机框架设计。

在ACSCentralScience杂志上报道的他们的研究中，KevinMaikJablonka、AndrewRosen、AditiKrishnapriyan和BerendSmit编码工具将数据转换为机器学习输入，以创建一个系统来增强机器学习框架。

网状化学是设计和合成具有某些预定义结构和特性(构建块)的多孔结晶材料的科学。这些被称为金属有机框架(MOF)的材料可用于气体储存、分离、催化、传感和药物输送。

不幸的是，新MOF的发现和优化仍然主要基于反复试验，这是耗时且昂贵的。为了加快网状化学的发展，当前团队的一些成员创建了一个名为Mofdscribe的应用程序包，并于2022年发布供公众使用。

从那时起，Mofdscribe就被许多化学家用来帮助他们创建独特的MOF。然而，目前的团队认识到Mofdscribe有一些局限性，并着手创建一个更有用的系统。

为此，研究人员创建了允许集成计算建模、机器学习、数据挖掘和高通量筛选的代码。他们还解决了一个问题，该问题涉及用于训练机器学习算法的数据泄漏到测试集中。他们指出，他们的目标之一是创建研究人员目前不需要但可能在某个时候需要的数据集分析工具。他们建议，这应该有助于比较机器学习系统之间的性能差异。

其结果就是团队所描述的“生态系统”——化学家可以在这个环境中研究新的机器学习方法来创建具有所需功能和特性的MOF。他们指出，它还允许识别新的合成路线和反应条件。

研究团队还指出，新的生态系统将促进网状化学领域研究人员之间数据和知识的共享和重用，他们认为这将促进协作和创新。