基于科学文献中机器学习材料相似性的无机合成前驱体推荐
材料科学
2023-06-13 v2 机器学习
摘要
合成预测是快速设计先进材料的关键加速器。然而，由于加热过程中的反应序列尚未被充分理解，确定无机材料的前驱体选择等合成变量具有挑战性。在本工作中，我们使用从科学文献中通过文本挖掘得到的包含 29,900 条固态合成配方的知识库，自动学习为新型目标材料的合成推荐哪些前驱体。这种数据驱动的方法学习了材料的化学相似性，并将新目标的合成指向类似材料的先例合成程序，从而模仿人类的合成设计。在为 2,654 个未见过的测试目标材料各提出五组前驱体时，该推荐策略实现了至少 82% 的成功率。我们的方法以数学形式捕获了数十年的启发式合成数据，使其能够用于推荐引擎和自主实验室。
引用
@article{arxiv.2302.02303,
title = {Precursor recommendation for inorganic synthesis by machine learning materials similarity from scientific literature},
author = {Tanjin He and Haoyan Huo and Christopher J. Bartel and Zheren Wang and Kevin Cruse and Gerbrand Ceder},
journal= {arXiv preprint arXiv:2302.02303},
year = {2023}
}
备注
Presented at 2022 MRS Spring Meeting & Exhibit (DS04.04.05, May 10, 2022). Link: https://www.mrs.org/meetings-events/spring-meetings-exhibits/past-spring-meetings/2022-mrs-spring-meeting/