深度学习加速金纳米团簇合成
计算物理
2018-11-09 v2 化学物理
摘要
由于无机反应固有的复杂性，对其理解相对有限，尤其那些远离平衡态的反应。对底层合成化学的认知不足制约了朝向目标终产物（尤其是原子精度无机材料）的高效合成路线设计。本工作中，以原子精度金纳米团簇合成为示范平台，我们成功开发了用于指导材料合成并加速整体工作流的深度学习框架。仅用54个样本，所提出的图卷积神经网络（GCNN）加孪生神经网络（SNN）分类模型结合基础描述符即完成训练。通过成功的实验验证展示了预测目标合成结果的能力。此外，由训练良好的分类模型生成的大量数据训练决策树，可获取对合成过程的理解。本研究不仅提供了加速金纳米团簇合成的数据驱动方法，也为以少量数据理解复杂无机材料合成提供启示。
引用
@article{arxiv.1811.02771,
title = {Deep Learning Accelerated Gold Nanocluster Synthesis},
author = {Jiali Li and Tiankai Chen and Kaizhuo Lim and Lingtong Chen and Saif A. Khan and Jianping Xie and Xiaonan Wang},
journal= {arXiv preprint arXiv:1811.02771},
year = {2018}
}
备注
17 pages, 6 figures, manuscript is under consideration at Nature Communications