满意资料业需求，准确率达95%，机器学习猜测杂乱新资料组成

据22日宣布在《科学发展》杂志上的一项研讨，美国西北大学和丰田研讨所研讨人员已成功运用机器学习来辅导新纳米资料的组成，消除与资料发现相关的妨碍。这种练习有素的算法，可经过界说数据集来精确猜测可用于清洁动力、化学和轿车行业燃料的重要催化剂。

论文通讯作者、美国西北大学纳米技能专家查得·米尔金此次创造的数据生成东西 “巨库”极大地扩展了研讨人员的视界。每个“巨库”都包含数百万乃至数十亿个纳米结构，每个纳米结构的形状、结构和成分都略有不同，所有这些都在2×2平方厘米的芯片进步行了方位编码。迄今为止，每个芯片包含的新无机资料比科学家搜集和分类的还要多。

研讨团队经过运用聚合物笔光刻技能开发了“巨库”，这是一种大规模并行纳米光刻东西，可以每秒对数十万个特征进行特定方位的堆积。

在制作人类基因组图谱时，科学家的使命是辨认四种碱基的组合。但“资料基因组”包含元素周期表中任何可用元素的纳米粒子组合，以及形状、巨细、相形状、晶体结构等参数。以“巨库”的方式构建更小的纳米粒子子集，将使研讨人员更挨近完结资料基因组的完好图谱。

米尔金说，即使是类似于资料基因组的东西，确认怎么运用或符号它们，也需求不同的东西。机器学习运用程序十分合适处理界说和发掘资料基因组的杂乱性，但却受限于创立数据集以在空间中练习算法的才能。“巨库”与机器学习的结合或许最终会处理这个问题，然后了解哪些参数会驱动某些资料特性。

在该项研讨中，米尔金团队编译了从前生成的由具有杂乱成分、结构、尺度和形状的纳米粒子组成的“巨库”结构数据。他们运用这些数据来练习模型，并要求它猜测会发生某种结构特征的四个、五个和六个元素的组成。在19次猜测中，机器学习模型正确猜测了18次新资料，精确率约为95%。

该模型在西北大学树立的大型数据集上，以寻觅具有环绕相位、尺度和其他结构特征设置参数的多金属纳米粒子，而这些参数会改动纳米粒子的特性和功用。

研讨人员表明，该技能或能推进对未来至关重要的许多领域中的发现，包含塑料晋级收回、太阳能电池、超导体和量子比特。该团队现在正在运用这种办法寻觅对清洁动力、轿车和化工行业的燃料进程至关重要的催化剂。确认新的绿色催化剂将使废物和很多质料转化为有用物质促进氢气发生、二氧化碳使用和燃料电池的开发。