基于机器学习与晶体学距离的分子筛无机合成-结构映射
材料科学
2023-12-22 v1 机器学习
化学物理
摘要
分子筛是一类以应用多样、合成条件丰富及多晶型著称的无机材料。尽管其合成受无机与有机合成条件共同控制，既有分子筛合成的计算研究多聚焦于有机模板设计。本工作中，我们利用晶体结构间的强距离度量与机器学习（ML）构建分子筛无机合成映射。从 253 种已知分子筛出发，我们展示了框架间的连续距离如何在不使用构筑单元等标签的情况下复现文献中的无机合成条件。无监督学习分析表明，依本度量相邻的分子筛常共享相似无机合成条件，即便在基于模板的路线中亦然。结合 ML 分类器，我们发现了分子筛中 14 种常见无机条件（即 Al、B、Be、Ca、Co、F、Ga、Ge、K、Mg、Na、P、Si 与 Zn）的合成-结构关系。通过解释模型预测，我们展示了如何将已知结构的（不）相似性用作合成空间的特征。最后，我们展示了这些方法如何用于预测假设数据库中未实现框架的无机合成条件，并通过提取分子筛局域结构模式解释结果。结合模板设计，本工作可加速分子筛合成条件空间的探索。
引用
@article{arxiv.2307.10935,
title = {Inorganic synthesis-structure maps in zeolites with machine learning and crystallographic distances},
author = {Daniel Schwalbe-Koda and Daniel E. Widdowson and Tuan Anh Pham and Vitaliy A. Kurlin},
journal= {arXiv preprint arXiv:2307.10935},
year = {2023}
}