【儀表網(wǎng) 研發(fā)快訊】11月3日，《自然·化學(xué)》以封面文章在線發(fā)表了武漢大學(xué)、中國(guó)科學(xué)技術(shù)大學(xué)、與香港科技大學(xué)的合作新成果，報(bào)道了由中國(guó)團(tuán)隊(duì)提出的化學(xué)知識(shí)驅(qū)動(dòng)的材料研發(fā)新范式，通過(guò)“實(shí)驗(yàn)—機(jī)器學(xué)習(xí)—推薦”的循環(huán)迭代，成功縮短了研發(fā)周期，精準(zhǔn)鎖定具有超強(qiáng)熒光的晶態(tài)孔材料。
論文題為“Discovery of highly fluorescent covalent organic frameworks through AI-assisted iterative experiment–learning cycles”(《通過(guò)人工智能輔助的迭代實(shí)現(xiàn)-學(xué)習(xí)循環(huán)發(fā)現(xiàn)強(qiáng)熒光共價(jià)有機(jī)框架》)。第一作者為武漢大學(xué)化學(xué)與分子科學(xué)學(xué)院的2020屆博士生張亮、中國(guó)科學(xué)技術(shù)大學(xué)博士生杜嘉輝和謝子鍇博士后，通訊作者為武漢大學(xué)鄧鶴翔教授、中國(guó)科學(xué)技術(shù)大學(xué)江俊教授與陳林江教授以及香港科技大學(xué)唐本忠院士。
在追求高性能新材料的科學(xué)長(zhǎng)征中，化學(xué)家們一直夢(mèng)想能像“按圖索驥”般，精準(zhǔn)設(shè)計(jì)并合成出具有特定性能的理想材料。然而，傳統(tǒng)的“試錯(cuò)法”如同大海撈針，效率低、成本高，使無(wú)數(shù)潛在材料湮沒(méi)在無(wú)盡的實(shí)驗(yàn)組合中。在此研究中，武漢大學(xué)鄧鶴翔課題組領(lǐng)導(dǎo)的一個(gè)跨學(xué)科團(tuán)隊(duì)，針對(duì)共價(jià)有機(jī)框架(COF)熒光性能的研發(fā)，提出了一種變革性的方法，通過(guò)AI賦能的“交互式實(shí)驗(yàn)-學(xué)習(xí)進(jìn)化”(Interactive experiment-learning evolution)，將化學(xué)知識(shí)驅(qū)動(dòng)的機(jī)器學(xué)習(xí)推薦、動(dòng)手實(shí)驗(yàn)驗(yàn)證與迭代模型精煉相結(jié)合，形成動(dòng)態(tài)的反饋循環(huán)，極大地加速了COF的研發(fā)。
在一個(gè)由20種胺類化合物和26種醛類化合物所構(gòu)建的高達(dá)520種獨(dú)特結(jié)構(gòu)的COF材料庫(kù)中，若采用傳統(tǒng)的逐一篩選的方法，將產(chǎn)生巨大的實(shí)驗(yàn)負(fù)擔(dān)。通過(guò)AI賦能的“交互式實(shí)驗(yàn)-學(xué)習(xí)進(jìn)化”，研究者僅通過(guò)經(jīng)3輪迭代、11次COF合成實(shí)驗(yàn)(約占理論組合數(shù)的2%)，便成功篩選出光致發(fā)光量子產(chǎn)率突破41%的明星材料。這好比在爬山中快速找到攀登的最佳路徑，在化學(xué)合成的探索中突破材料性能極限的同時(shí)大幅節(jié)省了寶貴資源，顯著加速了從概念到應(yīng)用發(fā)現(xiàn)的進(jìn)程。在此過(guò)程中，AI系統(tǒng)由一個(gè)被動(dòng)的預(yù)測(cè)者，進(jìn)化成一個(gè)能夠根據(jù)真實(shí)實(shí)驗(yàn)數(shù)據(jù)不斷學(xué)習(xí)和適應(yīng)的實(shí)體。
該方法成功的核心體現(xiàn)在模型與數(shù)據(jù)的融合方式的創(chuàng)新。與傳統(tǒng)的“數(shù)據(jù)驅(qū)動(dòng)”材料研發(fā)不同的是，此工作通過(guò)將量子力學(xué)原理、化學(xué)知識(shí)與機(jī)器學(xué)習(xí)技術(shù)整合為有機(jī)整體，首次將“孿生神經(jīng)網(wǎng)絡(luò)”(Siamese neural network)用于材料的研發(fā)。分子基態(tài)和激發(fā)態(tài)電子結(jié)構(gòu)等知識(shí)的引入有效克服了純數(shù)據(jù)驅(qū)動(dòng)方案在化學(xué)空間外推時(shí)的局限性，使得AI系統(tǒng)在預(yù)測(cè)未知材料特性時(shí)展現(xiàn)出前所未有的推理能力和準(zhǔn)確性，從而實(shí)現(xiàn)由“數(shù)據(jù)驅(qū)動(dòng)”到“知識(shí)驅(qū)動(dòng)”的材料研發(fā)范式的轉(zhuǎn)變。
AI“化學(xué)大腦”巧用有限實(shí)驗(yàn)，高效“鎖定”超強(qiáng)熒光COF材料
從實(shí)驗(yàn)角度上看，研究的迭代特性表明模型需要通過(guò)持續(xù)的實(shí)驗(yàn)反饋不斷完善，更加突出了真實(shí)實(shí)驗(yàn)結(jié)果在模型推薦準(zhǔn)確性中的核心參考作用。值得注意的是，鄧鶴翔團(tuán)隊(duì)近期在二維COF單晶結(jié)構(gòu)解析方面的突破為此項(xiàng)研究的順利開(kāi)展提供了重要結(jié)構(gòu)數(shù)據(jù)支撐。在新的研究框架中，AI并未被定位為替代傳統(tǒng)試錯(cuò)的"萬(wàn)能藥"，而更像能夠通過(guò)實(shí)踐驗(yàn)證不斷調(diào)整策略的關(guān)鍵合作伙伴。這種范式轉(zhuǎn)變促進(jìn)了化學(xué)家與AI之間更加協(xié)同的共生關(guān)系，將深刻改變研究問(wèn)題的提出、假設(shè)驗(yàn)證和發(fā)現(xiàn)確認(rèn)的方式。
值得一提的是，量子信息學(xué)習(xí)賦予的模型可解釋性確保了AI在推薦結(jié)構(gòu)的過(guò)程中并非"黑箱"操作，而是建立在機(jī)理理解的基礎(chǔ)之上。將激發(fā)態(tài)電子結(jié)構(gòu)等化學(xué)知識(shí)嵌入機(jī)器學(xué)習(xí)過(guò)程，使AI能夠“理解”前線軌道、激發(fā)態(tài)布局等深層物化原理。通過(guò)對(duì)22個(gè)實(shí)驗(yàn)樣本的系統(tǒng)分析，AI揭示了醛基單元作為“熒光團(tuán)”、胺基單元傾向“猝滅”熒光的機(jī)制，并明確了HOMO-LUMO能級(jí)匹配是實(shí)現(xiàn)高熒光的關(guān)鍵。這些發(fā)現(xiàn)如同揭開(kāi)了材料設(shè)計(jì)的“基因密碼”，為理性設(shè)計(jì)提供了新方向。
本研究由中國(guó)科學(xué)院智能科學(xué)家攻堅(jiān)專項(xiàng)、國(guó)家自然科學(xué)基金、國(guó)家重點(diǎn)研發(fā)計(jì)劃及武漢大學(xué)創(chuàng)新團(tuán)隊(duì)項(xiàng)目資助。中國(guó)科學(xué)技術(shù)大學(xué)精準(zhǔn)智能化學(xué)全國(guó)重點(diǎn)實(shí)驗(yàn)室、上海同步輻射光源(SSRF)、武漢大學(xué)大型儀器共享平臺(tái)和測(cè)試中心為工作開(kāi)展提供了有力支撐。特別感謝浙江大學(xué)錢俊教授、耿偉航同學(xué)為熒光COF材料的雙光子熒光表征及生物成像提供了重要的幫助；武漢大學(xué)鄧俊教授、沈安琪同學(xué)在文章繪圖方面的幫助；香港科技大學(xué)林榮業(yè)教授、李文朗、歐新文、陽(yáng)生熠、何山博士后和矯焱天博士為熒光COF的機(jī)理研究提供了重要幫助；論文的合作者還包括武漢大學(xué)黃冰教授和周毅、龔成濤、高藝君、閆春興以及趙成彬同學(xué)。
所有評(píng)論僅代表網(wǎng)友意見(jiàn)，與本站立場(chǎng)無(wú)關(guān)。