在材料發(fā)現(xiàn)工作中，合成能力遠(yuǎn)遠(yuǎn)超過從中提取有意義數(shù)據(jù)的能力。為了彌補(bǔ)這一差距，需要機(jī)器學(xué)習(xí)方法來減少識別所需材料的搜索空間。

在此，美國西北大學(xué)Chad A. Mirkin等人提出了一個機(jī)器學(xué)習(xí)驅(qū)動的閉環(huán)實驗過程，以指導(dǎo)具有目標(biāo)結(jié)構(gòu)特性的多元素納米材料的合成。通過利用來自八維化學(xué)空間（Au-Ag-Cu-Co-Ni-Pd-Sn-Pt）的數(shù)據(jù)作為輸入，使用過去的實驗結(jié)果學(xué)習(xí) 納米粒子（NP）的目標(biāo)屬性與設(shè)計參數(shù)之間的關(guān)系且可以通過物理實驗和優(yōu)化算法之間的迭代反饋循環(huán)來指導(dǎo)昂貴且勞動密集型的合成搜索。

圖1. 用于發(fā)現(xiàn)四元金屬雙相單界面NPs的閉環(huán)優(yōu)化

研究表明，該閉環(huán)能夠預(yù)測合成新的復(fù)雜材料，包括有史以來最復(fù)雜的雙相NP，成功率遠(yuǎn)高于隨機(jī)選擇（19次預(yù)測中正確預(yù)測了18次新材料，準(zhǔn)確率約為95%），甚至在更復(fù)雜的情況下比敏銳的化學(xué)直覺成功率更高。

此外，該閉環(huán)設(shè)計可以擴(kuò)展到更高通量的合成/實驗及更復(fù)雜的性質(zhì)（如催化活性或穩(wěn)定性），作者證明了SPBCL并行化以在單個實驗中合成數(shù)千/百萬種獨特材料的可行性。隨著開發(fā)新的表征技術(shù)以更高的吞吐量從納米材料的巨型庫中提取更多信息以及目標(biāo)特性變得越來越復(fù)雜，使用這種機(jī)器學(xué)習(xí)輔助工具來指導(dǎo)搜索的優(yōu)勢將呈指數(shù)級增長，這項研究有望在廣泛的應(yīng)用和行業(yè)中改變材料發(fā)現(xiàn)范式。

圖2. 不同雙相納米顆粒中界面的STEM-EDS表征

Machine learning–accelerated design and synthesis of polyelemental heterostructures, Science Advances 2021. DOI: 10.1126/sciadv.abj5505