基于生成式机器学习的无机合成反应条件预测
材料科学
2021-12-20 v1
摘要
利用机器学习进行数据驱动的合成规划是设计和发现具有理想性质的新无机化合物的关键步骤。无机材料合成通常由化学家的先验知识和经验指导，建立在耗时耗资源的实验试错之上。自然语言处理(NLP)的最近进展使得科学文献的大规模文本挖掘成为可能，提供了已合成化合物、材料前驱体和反应条件（温度、时间）的开放源数据库。在这项工作中，我们采用条件变分自编码器(CVAE)来预测无机合成关键步骤——煅烧和烧结——的合适无机反应条件。我们发现CVAE模型能够学习无机合成空间中存在的目标材料组成、前驱体化合物身份以及合成路线选择（固态、溶胶-凝胶）的细微差异。此外，CVAE能很好地泛化到未见过的化学实体，并显示出预测此前未合成的目标化合物反应条件的潜力。
引用
@article{arxiv.2112.09612,
title = {Inorganic Synthesis Reaction Condition Prediction with Generative Machine Learning},
author = {Christopher Karpovich and Zach Jensen and Vineeth Venugopal and Elsa Olivetti},
journal= {arXiv preprint arXiv:2112.09612},
year = {2021}
}
备注
Fourth Workshop on Machine Learning and the Physical Sciences (NeurIPS 2021)