南卡羅萊納大學（the University of South Carolina）的博士生Laura Murdock展示了她根據機器學習生成的化學設計模型制成的聚合物薄膜。這種薄膜的性能優(yōu)于所有已知的用于分離二氧化碳和甲烷的薄膜，這表明機器學習可以幫助化學家更快地開發(fā)新材料。

（圖片來源：Laura Murdock/南卡羅萊納大學）

南卡羅萊納大學（the University of South Carolina）和哥倫比亞大學（Columbia University）的科學家已經開發(fā)出一種快速的方法來設計制造氣體過濾薄膜，這種過濾膜可以降低溫室氣體的排放量以及減少污染。

研究成果發(fā)布于《科學進展》（Science Advances）上，這一新的研究方法將機器學習與合成化學相結合，以更快的設計開發(fā)出新的氣體分離薄膜。最近的實驗使用這一方法研制出一種新的材料，該材料的分離氣體能力比其他任何已知的過濾膜更好。

南卡羅萊納大學的化學教授Brian Benicewic說，這一發(fā)現可以徹底的改變新材料的設計和制造方法。

Benicewicz說:“這避免了不確定的工作以及效率很低的傳統實驗和錯誤工作。你不必去制作成百上千種不同材料來測試，現在你可以讓機器學習來代替這些工作，它可以縮小你的搜索范圍?！?/p>

Benicewicz和他在哥倫比亞大學的同事想要研究是否大數據可以設計出一種更有效的薄膜。

哥倫比亞大學的研究小組創(chuàng)建了一種可以分析現有薄膜的化學結構和有效性的機器學習算法，對現有薄膜的“甲烷-二氧化碳”分離能力進行分析。一旦該算法可以準確地預測給定薄膜的有效性，研究人員就可以轉向另一問題：理想的氣體分離薄膜有怎樣的化學結構？

哥倫比亞大學化學工程教授Sanat K. Kumar將他的機器學習算法與網飛公司（Netflix）的推薦電影算法進行了比較。通過測試觀看者之前觀看以及喜歡的內容，網飛公司首先確定了觀看者的喜好，然后找到可推薦的影片。Sanat K. Kumar教授的算法可以分析現有薄膜的化學結構，并能預測哪種結構更有效。

計算機列出了100個可能超過當前性能的材料假設。Benicewicz領導一個合成化學研究小組確定了兩個可以合成的假定結構。Laura Murdock是南卡萊羅納大學的化學博士，她制作了算法預測的聚合物并將其制成薄膜。

研究人員測試發(fā)現，這些薄膜的有效性接近計算機的預測，并且遠遠高于假定的性能上限。

Murdock說：“這些薄膜的效果要比之前制作的薄膜好的多，并且制作更加簡單，有商業(yè)用途的潛力。”

將二氧化碳與甲烷分離的工藝在天然氣產業(yè)中有直接的應用，因為必須要將二氧化碳從天然氣中去除，以防腐蝕管道。但Murdock說，利用大數據來消除制膜過程中的不確定性引出了另一個問題：“我們還可以將機器學習應用到哪些聚合物材料上，并為各種應用創(chuàng)造更好的材料？”

Benicewicz說，機器學習可以幫助科學家設計新的可以從煤炭中分離出溫室氣體的薄膜，這有助于緩解氣候變化。

Kumar說，這項研究為材料設計開辟了一條新途徑，你只需要尋找材料中最符合你需求的部分，而不是測試針對特殊應用的所有材料。當你把最好的材料結合起來，你就有機會設計出更好的材料?！?/p>

翻譯：汪茹

審校：郝豪

引進來源：南卡萊羅納大學

引進鏈接：https://phys.org/news/2020-05-big-synthetic-chemistry-climate-pollution.html

關注【深圳科普】微信公眾號，在對話框：
回復【最新活動】，了解近期科普活動
回復【科普行】，了解最新深圳科普行活動
回復【研學營】，了解最新科普研學營
回復【科普課堂】，了解最新科普課堂
回復【科普書籍】，了解最新科普書籍
回復【團體定制】，了解最新團體定制活動
回復【科普基地】，了解深圳科普基地詳情
回復【觀鳥知識】，學習觀鳥相關科普知識
回復【博物學院】，了解更多博物學院活動詳情
?