技术小站8

网站首页 互联网 > 正文

机器学习有助于识别下一代材料的弱点

2021-10-09 16:59:49 互联网 来源:
导读 这是一个极其近距离的金属-有机骨架,或MOF,一种由相连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点,MOF可能适用于

这是一个极其近距离的金属-有机骨架,或MOF,一种由相连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点,MOF可能适用于数百种应用,包括水提取、危险化学品储存或作为氢动力汽车的燃料电池。权威人士预测,在本世纪,塑料将在上个世纪同样重要。

然而,奇妙的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:“MOFs太多孔,这使得它们适合各种应用,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,他和同事开发了一种机器学习算法,以更好地预测材料的脆弱性和应力。在《物质》杂志上发表的一项研究中,他们详细描述了3000个现有多器官功能衰竭的测试结果和尚未合成的数据。

科学家说,这项研究形成了一个重要的数据库,可以为这个领域的其他人节省时间。

“我们现在可以同时解释所有材料的景观,”Fairen-Jimenez说。“这样,我们就可以预测给定任务的最佳材料。


版权说明: 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。


标签:




热点推荐
热评文章
随机文章