Pagpahintulot sa Pinakamaraming Katalyt na Pagtuklas sa pamamagitan ng Praktikal na Katalinuhan

Ang paghahanap ng mas mabuting mga rebust ay matagal nang isang bakterya sa pagsasaliksik ng kemikal at pagbabagong industriyal. ang mga catalyst ay nag-iinam ng mga kemikal na reaksiyon nang hindi nakukunsumo, ginagawa itong mahalaga para sa mga proseso mula sa paggawa ng pataba hanggang sa paggawa ng gamot na synthesis at malinis na enerhiyang transpormasyon. Sa nakaugalian, ang pagtuklas ng isang bagong rebensiyon ay maaaring kumuha ng mga taon ng pagsubok-an-and-error na mga eksperimento, na ang mga mananaliksik ay sumusubok sa daan-daan o libu-libong mga materyales na kandidato na manu-mandetiko.Sa ngayon, ang artipisyal na katalinuhan ay ang mga prosesong pag-edro-edukasyon ay tumutulong sa pag-edro-edgeor ng mga kandidato sa pag-edrog pang-edukasyon, ang mga siyentipikong pang-intista at ang mga spestiposimulatang pang-intom na nagbibigay ng mga spesipikong mga spesipika at mga spesipikong mga spesip na nagbibigay ng mga spesipikong mga spesipikong mga eksperimento, at mga spesipikong mga sp

Ang Lumalalang Kasalimuutan ng Pananaliksik ng Catalysis

Ang modernong mga kalysis ay nagpapahaba ng mga sistemang heterogeneous (matigas na mga ibabaw), homogeneous refluentations (molecular complexs), at biocatalysts (enzymes). Ang bawat nasasakupan ay naghaharap ng mga natatanging disenyong hamon: ang mga heterogeneous regulator ay nangangailangan ng kontrol sa ibabaw ng mga pwersang pang-ibabaw, komposisyon, at diperensiyang densidad; ang homogeneous regulator ay nangangailangan ng maingat na pag-ayos ng mga kapaligirang ligand at mga sentrong metal; at ang biocast ay umaasa sa gawaing protina para sa inhenyeriyang inhenyeriya at pagpili. Ang mga materyal na posibleng espasyong espasyo ay nangangailangan ng mga espasyong astronomikal na mga espasyong eksperimental na mga ugnayang pang-an na nagbibigay ng mga espasyong eksperimental na nagbibigay ng mga espasyong eksperimental na nagbibigay ng mga espasyo-antika-an na nagbibigay ng mas maraming mga elemental na mga ugnayang eksperimental na may mas mabilis na nagbibigay ng mga ugnayang eksperimental na nagbibigay ng mga espasyong eksperimental na may elemental na may

Mga Pamamaraan ng Core AI sa Pinakamaliit na Pagtuklas

Mga Modernong Modelo sa Pagkatuto

Ang supervised learning ay ang workhorse ng productor prophets. Ang mga Algorithm ay sinasanay sa datasets na ang mga katangian ng pares ay nag-ebolb (hal., elementol na komposisyon, istrakturang kristal, mga katangiang elektroniko) na may mga puntiryang katangian (hal.g, reaksyon, pilibilidad, katatagan).

  • Random forest at scaffolding ensembles, na humahawak ng mga mixed data types at nagbibigay ng tampok na mga mahalagang kabatiran.
  • [Support vector machines, epektibo para sa mga problema sa klasipikasyon katulad ng paghula kung ang isang materyal ay aktibo o hindi aktibo.
  • Ang mga network ng mga neep neural, lalo na ang mga graph neural network (GNN) na direktang kumikilos sa mga molekular na graph o mga istrakturang kristal, na sumasakop ng mga atomikong mga huwarang pampagbubuklod at mga kapaligirang magkakaugnay.

Halimbawa, ang mga modelong ito ay maaaring suriin ang milyun-milyong mga sapantahang integrated sa mga segundo, pag-alsa ng lugar ng paghahanap sa isang sandakot na mataas na-probabilidad na mga hits. halimbawa, ang isang GNN na sinanay sa Open Catalyst Project dataset ay maaaring humula ng mga insensorption energy ng mga intervalation sa mga ibabaw na advential na mga adroption na work na peritutures na obstatipikong aktibidad na periducantiplicational theory (DFT) ng mga kalkulasyon ng magnitude.

Kagyat at Di - Panibagong Disenyo

Bukod sa paghula ng mga kilalang materyales, ang AI ay maaari ring lumikha ng mga bagong istrukturang komputasyonal na mga modelo, kabilang ang mga variential autoencoder at generative adversarial networks, pag-aralan ang pamamahagi ng mga alam na produksyon at pagkatapos ay sampol mula sa espasyong iyon upang magmungkahi ng mga komposisyong nobela. Ang inverse na disenyo ay nagresulta pa ng isang hakbang: ibinigay sa isang target na property productation (e-en-eng., isang espesipikong enerhiyang pang-internaliksik), ang modelong pang-internasyunal na paghahanap para sa materyal na nagbibigay-kasiyaliksik na nagbibigay ng mga materyal na nagbibigay ng mga bagay na nagbibigay-kaloob.

Pagproseso ng Likas na Wika (NLP) Para sa Pagmimina ng Literatura

Ang malawak na mga pamamaraan ng catalysis kaalaman ay nakabaon sa mga siyentipikong papeles, patent, at ulat. ang mga pamamaraan ng NLP ay kumukuha ng mga naka-ayos na datos (hal.g., reaksyon, mga ani, integrated komposisyon) mula sa hindi nai-i-edit na teksto. Ang mga kasangkapang tulad ng ChemDataExtor o kaugalian BERT-based na mga modelo ay maaaring mag-in ang mga database sa isang lawak na imposible para sa mga indibidwal na inte ng tao. Ang na impormasyong ito ay tumutuon sa mga spektitusyong modelo at ang mga siyentipiko ay tumutulong sa muling pag-in ang mga kilalang instansiyaliksik.

Mga Pinagmumulan ng Data na Naglalakad ng AI sa Katalysis

Ang tagumpay ng AI ⁇ s ay nakasalalay sa mataas-quality, iba't ibang datos. Ilang malalaking-scale database ngayon ay nagpapangyari sa pagsasanay ng matipunong modelo:

  • The Open Catalyst Project (OCP)[ – isang dataset ng mahigit 1.3 milyong DFT-relaxed istraktura at lakas para sa heterogeneous catalysis, na pinapanatili ng Facebook AI Research at Carnegie Mellon University. Open Catalyst Project
  • Catalysis-Hub – isang institusyong pang-komedya para sa inilathalang datos ng DFT hinggil sa mga reaksiyong pang-ebolusyon, kabilang ang mga insensorption energy at mga hadlang sa reaksyon. Catalysis-Hub
  • NREL Materials Database – kasama ang mga katangiang kompuwesto para sa libu-libong mga inorganikong compound na may kaugnayan sa enerhiyang catalysis. NREL Materials Datatabase[[
  • Raxys and Sci Instanker – mga komersyal na database ng mga organikong reaksyon data, na ngayon ay dinagdagan ng mga machine-readable na mga insert.

Ang mga platapormang pang-ekonomiyang high-roughput synthesis, tulad ng nasa Lawrence Berkeley National Laboratory, ay lumilikha ng libu-libong mga nakuhang produksyon bawat araw. Ang pagsasama ng eksperimental na datos sa pagkalkula ng datos ay lumilikha ng hybrid datasets na nagpapabuti ng model generalization.

Mga Kuwento ng Tunay na Tagumpay sa Daigdig

AI-Designed Electrocatalysts for the Occutor Evolution Atlection

Ginamit ng mga mananaliksik sa Toyota Research Institute ang isang Bayesian optimization frame upang matuklasan ang isang bagong sulfix-iron-based reaction para sa oxygen evolution (OER) sa tubig na split. simula sa isang maliit na panimulang set ng mga komposisyon, ang algorithm elements elementary administratively, na nakakamit ang isang influstrated state-of-the-art iridium-based na mga materyales sa gawain. Ang buong kampanya ay kumuha ng tatlong buwan sa halip ng tipikal na mga taon.

Pag - aaral ng Makina Para sa Aktibasyon ng Methane

Sa isang 2024 na pag-aaral na inilathala sa Nature Catalysis[, ang isang pakikipagtulungan sa pagitan ng MIT at ng Unibersidad ng Toronto ay bumuo ng isang graph neural network na humula ng mga harang ng C-H bond confertail sa transition metal.Ang modelo ay natukoy ang isang bi metalikong alloy (Pd In) na hindi pa sinubok para sa pag-ikumberte ng methane at pinatunayan ang mataas na aktibidad nito sa eksperimental na eksperimental. Ang akdang ito ay nagbibigay diin kung paano makaalukso ang AI sa speksiflog na intuwisyon-SCORCORCORCORCORCORCORC.[TFLFLFLFLF][2][TF.[TF.[TFLFLFLF][3][T.

Pharmaceutical Catalysis: Asymmetrikong Hydrogenation

Ang mga kompanya ng Pharma tulad ng Merck ay nag-emplementado ng AI upang imungkahi ang mga chiral ligand para sa mga asymmetrikong reaksiyong hydrogenation, isang kritikal na hakbang sa paggawa ng mga enantioenriched drug intervals. Ang isang malalim na modelo ng pagkatuto na sinanay sa libo libong kilalang ligand-metal-reaction na mga kombinasyon ay nagrekomenda ng isang ligand na nagpabuti ng ekstinksiyong enantomeriko mula 85% hanggang 96% na may kaunting optimasyon.

Mga Pakinabang ng AI-Driven Catalynst Development

  • [ Ang AI ay maaaring sumaklaw ng mga espasyong kandidato sa mga oras na gugugol ng mga buwan o taon ng gawaing laboratoryo.[3ous synthesis at testing platforms karagdagang compress cycle times.
  • Cost-effectiveness: Ang pagpapaliit ng mga eksperimento ay bumabawas ng mga materyales, kagamitan, at gastos sa paggawa.Maraming startup ngayon ay nagbibigay ng bertwal na reproductive screening bilang isang serbisyo, na nagpapababa ng harang para sa mas maliit na mga kompanya.
  • [[[[T:] Madalas na iminumungkahi ng AI ang mga materyal na hindi isasaalang-alang ng mga dalubhasang tao ang mga stoichiometries na pang-iyuter, mga meastable stature, o mga kombinasyong multi-elemental na sumasalungat sa mga karaniwang alituntunin.
  • [[ Ang mga modelo ay maaaring humula hindi lamang ng gawain kundi pati na rin ng pilisya, katatagan sa ilalim ng mga kondisyon ng reaksyon, at mga deaktibsyong passiyon. Ang pananaw na ito na homoistiko ay nakapagpapabuti ng mga bilang ng tagumpay sa ekwasyon.

Mga Hamon at mga Balakid

Katangian at Kaurian ng Data

Habang lumalaki ang database, mayroon pa rin silang mga pagkiling: karamihan sa datos ng DFT ay para sa malinis at pana-panahong ibabaw, habang ang mga real na produce ay kadalasang sinusuportahan, itinataguyod, o nilalason.Ang eksperimental na datos ay maingay, na may mga pagkakaiba sa mga lab at mga kalagayang pagsukat. ang pagbuo ng maaasahang mga premisective model ay nangangailangan ng maingat na data recombination at walang katiyakang quanification.

Madaling Itukoy

Maraming mga modelong high-claving, lalo na ang mga malalim na neural networks, ay gumagana bilang mga black boxs.[kailangan ng sanggunian] Ang isang protocol na advanced ay hinulaang aktibo upang magtiwala sa rekomendasyon at kumuha ng mga prinsipyo ng disenyo. Ang pagsasaliksik sa nagpapaliwanag na AI (e.g., mga mekanismo ng atensiyon, tampok na pagpapalagay) ay nagpapatuloy ngunit hindi pa pamantayan.

Nakalilipat

Ang isang modelong sinanay sa mga oER reproduction ay maaaring mabigo sa mga reaksiyong hydrogenation dahil ang pundamental na pisika ay naiiba. ang transfer learning perifine-tuning isang pre-trained model sa mga bagong reaction types na ⁇ ps ngunit nangangailangan ng maingat na regularisasyon upang maiwasan ang kapaha-pahamak na paglimot.

Panunuya sa mga Autonomous Lab

Ang sukdulang paningin ay isang saradong silo: Iminungkahi ng AI ang mga pangganyak, isang robotikong sistema na nag - eeeksperimento at sumusubok sa mga ito, at ang mga resulta ay nagbabalik sa modelo.Ang ilang grupo ay nagpakita ng gayong mga sistema para sa photocatalysis at electrocatalysis, subalit ang pag - iiskor sa mga ito sa mas masalimuot na mga reaksiyon (hal., catalytic cracking) ay nananatiling isang hamon sa hardware at software.

Mga Tagubilin sa Hinaharap

Mga Modelo ng Pundasyon Para sa Katalysis

Ang mga malalaking modelo ng wika at mga multimodal AI ay nagsisimulang ikapit sa kimika. isang pundasyong modelo na sinanay sa milyun-milyong mga istrakturang kristal, molekular na mga grap, at mga teksto ng reaksiyon ay maaaring magsilbi bilang isang pangkalahatang-layuning makina para sa disenyong pang-industriya, katulad ng kung paano ang mga modelong GPT ay humahawak ng wika. Ang mga unang halimbawa ay kinabibilangan ng CatGPT[ at MatBert.

Nakalilitong Pagpupuslit ng Quantum

Ang mga Quantum computer ay maaaring sa wakas malutas ang Schrödinger equation eksaktong, inaalis ang mga aproximation na likas sa DFT. Sa ngayon, ang mga quantum-classical hybrid na modelo ay ginalugad upang lumikha ng mas tumpak na training data para sa mga modelong AI, lalo na para sa transition metal complexs na may malakas na electron correlation.

Mga Kolehiyong Pampubliko at Bukás na Siyensiya

Ang mga pagsisikap na katulad ng AI para sa Catalysis Consortium (AICat) ay naglalayong gawing pamantayan ang mga data format, mga modelong share, at mga fellowmark performance role. open-source tool (e.g., Ang mga modelong pang-OCP sa GitHub) ay nag-apabilis ng reproduksiyon at pag-aangkop sa mga pangkat ng pananaliksik.

Pagsasaayos

Ang artipisyal na katalinuhan ay hindi lamang isang kasangkapan para sa pag - eeksperimento sa mga lumang workflowsificit kundi muling pinag - aaralan kung ano ang posibleng gawin sa mga taon o mga linggo pa nga.