U of T 新闻
  • 遵循Ť新闻ü

ü牛逼工程研究人员的使用机器学习来设计更聪明的工业催化剂

在t 4吨的开发的计算机算法分析数千的五个不同的元素可能的几何构型以预测哪些会具有作为工业催化剂的最佳性能(zhuole Lu的图像提供)

A team of researchers from the University of Toronto’s Faculty of Applied Science & 工程 is leveraging machine learning to enhance the manufacture of everyday items.

研究人员创建的机器学习算法,通过数千种可能的金属元素配置有效地进行筛选,以设计更好的工业催化剂,这反过来,提高的化学反应。

研究的结果是最近 在杂志上发表了一篇论文 .

“催化剂加速化学反应,使生产效率更高,成本更低,”说 钱德拉德维尔·辛格在材料科学和工程系的副教授。 “它们被用来生产一切从塑料工业化肥和世界各地的研究人员都在不断努力提高自己的表现。

“合金化是这一领域的重要战略。”

的合金是两种或更多种金属元素,例如铂或铱的组合。许多催化剂是含有两种金属,或包含三个叔合金的二元合金。但在2018年,一组美国研究人员开发了一种新的合成技术,其允许的五种不同的金属的合金被用作催化剂。

“这些合金被称为高熵合金(HEA),因为大量元件产生高水平的熵,它是在材料病症的量的量度,”说 zhuole路,研究生是谁攻读材料工程硕士学位。 “一些HEAS可能变成是极好的催化剂,但面临的挑战是,有太多的可能的组合。”

例如,如果一个研究者具有30个金属可以选择,有大约400的方法来创建的二元合金和大约4000的方法来创建叔合金。但也有超过14万点的方式来创建一个五行HEA。

当几何效应考虑到这些数字变得更大。即使对于一个单一的五元组合,现在有成千上万的不同的方式的那些相同的元件可被布置在合金表面。

创建和测试所有可能的组合和安排是要找到新的催化剂昂贵和费时的方法。因此,辛格,鲁博士后研究员 志文陈 想出了一个新的途径。

球队的机器学习算法 - 被称为神经网络 - 能够真实地模拟一个给定的HEA的性能,而无需实际生产它在实验室。

“是什么让这个工作特别的是将其列入结构性影响,”陈说。 “你能想象在一个儿童球池在HEA塑料球金属原子。当前机器学习模型对待合金虽然它有一个平坦的表面。但我们知道,球坑的顶部是颠簸,而且颠簸可能对催化剂的性能有很大的影响。我们的模型考虑的是考虑“。

团队通过预测包含金属铱,钯,铂,铑和钌的五元件HEA的催化性能验证模型。然后,他们比较了来自五个不同的研究小组的实验测量机器学习模型的预测。结果匹配出奇的好。

在未来,球队希望扩大的办法,创建一个可以模拟元素的不同组合以及不同几何形状的模型。这样的算法可以迅速点朝着最有希望的候选人催化剂的研究。

“通过同时占不同的金属和不同的结构,我们相信我们的工具将帮助材料科学家迅速屏幕为最佳新的催化剂,同时也使HEAS和合金催化剂更深入的了解一般,”辛格说。

新闻