几十年来，金属有机框架（MOF）因其广泛的应用而吸引着研究人员：气体吸收、水收集、能量储存和海水淡化。到目前为止，快速、低成本地为特定任务选择性能最好的MOF一直是一个挑战。MOFormer是一种机器学习模型，它可以在不明确依赖3D原子结构的情况下实现比主流模型更高的预测任务精度。
“我们认识到，依赖MOF的3D结构会导致额外的成本。为了解决这个问题，我们使用MOFids来做出准确的预测，”机械工程教授Amir Barati Farimani研究小组的博士生王玉阳解释说。
这项研究首次发表在《美国化学学会杂志》上。
MOFid是MOF构建块（金属节点、有机链接器和拓扑的组合）的文本字符串表示，它使机器学习模型能够输出属性预测。由于这些构建块有无数种组合，因此发现最佳MOF非常复杂。在Barati Farimani的MOFormer中，研究人员可以通过假设创建新的MOFid来更快地筛选MOFs。
“为了训练MOFormer，我们使用了自监督学习（SSL），它利用了基于结构的图神经网络方法和MOFormer的结构不可知方法。SSL提高了MOFormer在下游属性预测任务上的性能。使用这种方法。我们探索基于结构的方法和结构不可知论的方法如何利用彼此的相互信息，”Barati实验室的博士生Rishikesh Magar解释说。
“这为研究人员更有效地构建MOF铺平了道路。假设有一百万个假设的MOF结构似乎适合收集水。MOFormer可以通过预测哪些将具有最理想的属性来缩小范围。从那里开始，研究人员可能只需要在实验室测试100种变化，”巴拉蒂小组的博士生曹忠林解释说。
与其他结构不可知方法相比，MOFormer在各种气体吸收预测任务上的精度提高了35-48%，在带隙预测任务上的精度提高了21.4%。
Farmini说：“我们希望MOFormer能够加快对MOFs的探索。“它可以作为一种工具，用于探索假想MOF的广阔化学空间。”
本文来自作者[admin]投稿，不代表osvcn号立场，如若转载，请注明出处：https://osvcn.cn/zlan/202506-627.html
评论列表（4条）
我是osvcn号的签约作者“admin”！
希望本篇文章《提升金属有机框架性能的自监督变压器模型：减少问题，增加效率》能对你有所帮助！
本站[osvcn号]内容主要涵盖：国足,欧洲杯,世界杯,篮球,欧冠,亚冠,英超,足球,综合体育
本文概览：几十年来，金属有机框架（MOF）因其广泛的应用而吸引着研究人员：气体吸收、水收集、能量储存和海水淡化。到目前为止，快速、低成本地为特定任务选...