您现在的位置是：首页 >科技 > 2019-08-01 08:59:06
机器学习有助于识别下一代材料的弱点
这是一种极端特写的金属有机骨架，或MOF，一种由连接的金属和有机原子组成的自组装三维化合物。作为材料科学研究的热门话题，MOF可能适用于数百种应用，包括水提取，储存危险化学品或作为氢动力汽车的燃料电池。权威人士预测，在本世纪，塑料在最后一个世纪中同样重要。
然而，奇妙物质有一个主要缺点：它们会破裂。
英国剑桥大学的化学工程师David Fairen-Jimenez说：“MOF太多孔，使得它们适用于各种不同的应用，但同时它们的多孔性使它们非常脆弱。”
为了更好地理解这一方面，他和同事们开发了一种机器学习算法，以便更好地预测材料的脆弱性和压力。在Matter期刊上发表的一项研究中，他们详细介绍了对3000种现有MOF进行的测试结果，以及尚未合成的数据。
科学家们说，这项研究形成了一个重要的数据库，可以为该领域的其他人节省时间。
“我们现在能够同时解释所有材料的景观，”Fairen-Jimenez说。“通过这种方式，我们可以预测给定任务的最佳材料。
郑重声明：本文版权归原作者所有，转载文章仅为传播更多信息之目的，如作者信息标记有误，请第一时间联系我们修改或删除，多谢。
