1. 孫寬、陸仕榮、肖澤云Sci. Adv.： 機(jī)器學(xué)習(xí)輔助的高性能有機(jī)光伏材料分子設(shè)計(jì)和效率預(yù)測

有機(jī)光伏（OPV）電池提供一個直接的和經(jīng)濟(jì)的方式來將太陽能轉(zhuǎn)化為電能。近年來，OPV的研究迅速發(fā)展，功率轉(zhuǎn)換效率（PCE）已超過17％。迄今為止，OPV研究的主流一直集中在建立新的OPV分子結(jié)構(gòu)與其光伏性質(zhì)之間的關(guān)系。該過程通常涉及光伏材料的設(shè)計(jì)和合成，材料的光電性能表征以及光伏電池的組裝和優(yōu)化。

這些傳統(tǒng)方法通常需要精細(xì)控制化學(xué)合成、制造精密裝置、費(fèi)力的純化和繁瑣的實(shí)驗(yàn)步驟，這導(dǎo)致大量的資源投入以及較長的研究周期。因此，OPV的開發(fā)效率低下且緩慢，例如，自1973年首次報告以來，僅在光伏電池中合成并測試了不到2000個OPV供體分子。

重慶大學(xué)的孫寬教授、中科院的陸仕榮教授和肖澤云教授共同建立了一個數(shù)據(jù)庫，其中包含從文獻(xiàn)中收集的1719個經(jīng)過實(shí)驗(yàn)測試的OPV供體材料。他們首先研究了分子的表達(dá)對ML性能的重要性。為了確定最合適的表達(dá)式，我們測試了不同類型的表達(dá)式，包括圖像、ASCII字符串、兩種類型的描述符和七種類型的分子指紋。根據(jù)PCE值，描述符可將材料分為“低”和“高性能”。指紋具有最佳性能（預(yù)測PCE類的準(zhǔn)確度為81.76％），并且其長度對預(yù)測的準(zhǔn)確性有顯著影響。

此外，作者使用了多種ML算法進(jìn)行分類。研究發(fā)現(xiàn)，當(dāng)處理小型數(shù)據(jù)庫時，RF模型的性能優(yōu)于其他模型。最后，作者通過合成10種新的OPV供體材料獨(dú)立驗(yàn)證了ML模型。該模型的預(yù)測與實(shí)驗(yàn)結(jié)果吻合良好。

通過這項(xiàng)工作，作者為OPV研究建立了一種新方法，即通過ML模型預(yù)篩選設(shè)計(jì)的OPV分子，然后僅關(guān)注在后續(xù)實(shí)驗(yàn)中通過ML虛擬評估的分子。這種方法將大大加快開發(fā)用于OPV應(yīng)用的新型高效有機(jī)半導(dǎo)體材料的探索過程。

文獻(xiàn)鏈接：

Machine learning–assisted molecular design and efficiency prediction for high-performance organic photovoltaic materials （Sci. Adv.， 2019， DOI： 10.1126/sciadv.aay4275）

2. Nat. Commun.： 從大量沸石材料合成記錄中將合成和結(jié)構(gòu)相聯(lián)系

在計(jì)算能力的提高、算法開發(fā)的進(jìn)步以及海量數(shù)據(jù)的可用性的推動下，機(jī)器學(xué)習(xí)的應(yīng)用已擴(kuò)展到解決人類層面的問題，包括材料科學(xué)領(lǐng)域的問題。應(yīng)用于機(jī)器學(xué)習(xí)的材料科學(xué)中的數(shù)據(jù)集大量來自理論計(jì)算。一旦經(jīng)過培訓(xùn)，機(jī)器學(xué)習(xí)就可以應(yīng)用于成千上萬甚至數(shù)百萬候選材料的高通量篩選。這些詳盡的計(jì)算機(jī)模擬數(shù)據(jù)挖掘方法能夠從大型的，通過計(jì)算生成的數(shù)據(jù)庫中識別出非凡的材料。

材料的合成也可以從機(jī)器學(xué)習(xí)中受益。例如，從大量實(shí)驗(yàn)數(shù)據(jù)中構(gòu)建了一系列監(jiān)督分類模型，以使用一組綜合描述符來預(yù)測綜合結(jié)果。這種基于機(jī)器學(xué)習(xí)的實(shí)驗(yàn)數(shù)據(jù)庫方法能夠從化學(xué)空間中提取最重要的合成描述符，這些化學(xué)描述符具有高維和大量條目，有時人類很難處理。機(jī)器學(xué)習(xí)的模式識別能力被認(rèn)為對于通過動力學(xué)控制的途徑合成的材料非常有效，而這些途徑很難用簡單的方法論來處理。

這項(xiàng)研究使用機(jī)器學(xué)習(xí)技術(shù)分析了從文獻(xiàn)中收集的沸石的合成記錄，以合理化對其性質(zhì)和結(jié)構(gòu)的理解。從機(jī)器學(xué)習(xí)模型中提取的綜合描述符用于識別具有適當(dāng)重要性的結(jié)構(gòu)描述符。基于結(jié)構(gòu)描述符的晶體結(jié)構(gòu)相似性網(wǎng)絡(luò)，顯示了由合成相似材料組成的群落的形成?；谙惹氨缓雎缘慕Y(jié)構(gòu)相似性的交叉實(shí)驗(yàn)，揭示了沸石的合成相似性，證實(shí)了合成結(jié)構(gòu)之間的關(guān)系。該方法適用于使經(jīng)驗(yàn)知識合理化、填充合成記錄并發(fā)現(xiàn)新穎材料的系統(tǒng)。

文獻(xiàn)鏈接：

Linking synthesis and structure descriptors from a large collection of synthetic records of zeolite materials （Nat. Commun.， 2019， DOI： 10.1038/s41467-019-12394-0）

3. npj Computational Materials： 半監(jiān)控機(jī)器學(xué)習(xí)在材料合成過程中的應(yīng)用

在過去的30年中，計(jì)算材料學(xué)的進(jìn)步已在材料設(shè)計(jì)方面取得了巨大的成功，其中包括數(shù)十種通過計(jì)算設(shè)計(jì)的新穎化合物以及從頭開始預(yù)測的特性的按需可用性。但是，材料發(fā)現(xiàn)流程仍然受到實(shí)驗(yàn)合成挑戰(zhàn)的限制，在合成新化合物之前，這可能需要數(shù)月的反復(fù)試驗(yàn)。

目前，很難設(shè)計(jì)如何在實(shí)驗(yàn)室中合成預(yù)測的材料。當(dāng)前理解和預(yù)測材料合成的方法涉及原位X射線衍射（XRD）研究、從頭算熱力學(xué)建模、經(jīng)典熱力學(xué)觀點(diǎn)以及機(jī)器學(xué)習(xí)指導(dǎo)的合成參數(shù)搜索。

最近，機(jī)器學(xué)習(xí)方法在有機(jī)化學(xué)中逆向合成的應(yīng)用被證明是有效的，激發(fā)了類似方法在預(yù)測無機(jī)材料合成中的應(yīng)用。這些有機(jī)化學(xué)合成反應(yīng)的機(jī)器學(xué)習(xí)研究已經(jīng)通過有機(jī)化學(xué)反應(yīng)數(shù)據(jù)庫（例如Reaxys）實(shí)現(xiàn)，該數(shù)據(jù)庫包括》 1200萬個單步反應(yīng)。當(dāng)前沒有類似的數(shù)據(jù)庫全面地分類無機(jī)材料合成的合成反應(yīng)。但是，即使是有限的材料合成反應(yīng)數(shù)據(jù)庫也可以對合成參數(shù)與反應(yīng)產(chǎn)物之間的關(guān)系產(chǎn)生有價值的見解，例如Kim等人所證明的那樣。

在這項(xiàng)工作中，作者演示了一種半監(jiān)督的機(jī)器學(xué)習(xí)方法，用于根據(jù)書面自然語言對無機(jī)材料的合成程序進(jìn)行分類。無需任何人工輸入，潛在的Dirichlet分配就可以將關(guān)鍵字聚集到與特定實(shí)驗(yàn)材料合成步驟相對應(yīng)的主題，例如“研磨”和“加熱”，“溶解”和“離心分離”等。在少量注釋的指導(dǎo)下，隨機(jī)分類可以將這些步驟與不同類別的材料合成（例如固態(tài)或水熱合成）相關(guān)聯(lián)。

最后，作者證明了實(shí)驗(yàn)步驟順序的馬爾可夫鏈表示可以準(zhǔn)確地重建可能的合成程序流程圖。這種機(jī)器學(xué)習(xí)方法提供了一種可擴(kuò)展的方法，可以從文獻(xiàn)中解鎖大量的無機(jī)材料合成信息，并將其處理為標(biāo)準(zhǔn)化的機(jī)器可讀數(shù)據(jù)庫。

文獻(xiàn)鏈接：

Semi-supervised machine-learning classication of materials synthesis procedures （npj Computational Materials， 2019， DOI： 10.1038/s41524-019-0204-1）

4. npj Computational Materials：機(jī)器學(xué)習(xí)在固態(tài)材料科學(xué)中的最新進(jìn)展和應(yīng)用

機(jī)器學(xué)習(xí)是近年來進(jìn)入材料科學(xué)的最令人興奮的研究方法之一。這種統(tǒng)計(jì)方法的收集已經(jīng)證明能夠大大加快基礎(chǔ)研究和應(yīng)用研究的速度。目前，科研工作者已經(jīng)見證了將機(jī)器學(xué)習(xí)廣泛應(yīng)用于材料研究的實(shí)例。

在這篇文章中，作者提供了有關(guān)機(jī)器學(xué)習(xí)在材料研究中的最新研究的全面概述和分析。首先，作者介紹材料科學(xué)中的機(jī)器學(xué)習(xí)原理、算法、描述符和數(shù)據(jù)庫。隨后，作者繼續(xù)介紹了不同的機(jī)器學(xué)習(xí)方法，以發(fā)現(xiàn)穩(wěn)定的材料并預(yù)測其晶體結(jié)構(gòu)。然后，作者討論了眾多定量結(jié)構(gòu)與屬性之間的關(guān)系，以及通過機(jī)器學(xué)習(xí)替代第一原理計(jì)算的各種方法。

這篇綜述回顧了如何應(yīng)用主動學(xué)習(xí)和基于算法的優(yōu)化來改善合理的設(shè)計(jì)過程和相關(guān)的應(yīng)用示例。兩個主要問題始終是機(jī)器學(xué)習(xí)模型的可解釋性和對機(jī)器學(xué)習(xí)模型的物理理解。因此，作者考慮了可解釋性的不同方面及其在材料科學(xué)中的重要性。最后，文章針對計(jì)算材料科學(xué)中的各種挑戰(zhàn)提出了解決方案和未來的研究發(fā)展。

文獻(xiàn)鏈接：

Recent advances and applications of machine learning in solid-state materials science （npj Computational Materials， 2019， DOI： 10.1038/s41524-019-0221-0）

5. npj Computational Materials：通過可解釋的機(jī)器學(xué)習(xí)識別高級自旋驅(qū)動熱電材料

機(jī)器學(xué)習(xí)正在成為科學(xué)發(fā)現(xiàn)的重要工具。機(jī)器學(xué)習(xí)方法在材料開發(fā)領(lǐng)域中的應(yīng)用尤其吸引人，它可以通過發(fā)現(xiàn)新的/更好的功能材料來實(shí)現(xiàn)創(chuàng)新。要將機(jī)器學(xué)習(xí)應(yīng)用于實(shí)際的材料開發(fā)，科學(xué)家和機(jī)器學(xué)習(xí)工具之間必須緊密協(xié)作。但是，到目前為止，許多機(jī)器學(xué)習(xí)算法的黑匣子屬性都阻礙了這種協(xié)作。從材料科學(xué)和物理學(xué)的觀點(diǎn)來看，科學(xué)家通常很難解釋數(shù)據(jù)驅(qū)動的模型。

在這個工作中，作者通過使用一種可解釋的機(jī)器學(xué)習(xí)方法來說明具有異常能斯特效應(yīng)的自旋驅(qū)動熱電材料的發(fā)展。基于材料科學(xué)和物理學(xué)的先驗(yàn)知識，作者能夠從可解釋的機(jī)器學(xué)習(xí)中提取一些相關(guān)性以及有關(guān)自旋驅(qū)動熱電材料的新知識。在此指導(dǎo)下，作者進(jìn)行了實(shí)際的材料合成，從而確定了新型自旋驅(qū)動的熱電材料。

文獻(xiàn)鏈接：

Identication of advanced spin-driven thermoelectric materials via interpretable machine learning （npj Computational Materials， 2019， DOI： 10.1038/s41524-019-0241-9）

6. npj Computational Materials：可靠且可解釋的機(jī)器學(xué)習(xí)方法可加速材料的開發(fā)

盡管ML在商業(yè)應(yīng)用中表現(xiàn)出色，但是將ML應(yīng)用于材料科學(xué)仍存在一些獨(dú)特的挑戰(zhàn)。在這種情況下，這項(xiàng)工作是雙重的。

首先，當(dāng)從代表性不足/失衡的材料數(shù)據(jù)中學(xué)習(xí)時，作者確定了現(xiàn)有機(jī)器學(xué)習(xí)技術(shù)的常見陷阱。具體而言，在數(shù)據(jù)不平衡的情況下，評估ML模型質(zhì)量的標(biāo)準(zhǔn)方法會有問題，并導(dǎo)致令人誤解的結(jié)論。

此外，作者發(fā)現(xiàn)模型本身的置信度得分不能被信任，模型自省方法（使用更簡單的模型）也無濟(jì)于事，因?yàn)樗鼈儠?dǎo)致預(yù)測性能下降（可靠性與可解釋性之間的權(quán)衡）。

其次，為了克服這些挑戰(zhàn)，作者提出了一個通用的可解釋且可靠的機(jī)器學(xué)習(xí)框架。具體來說，作者提出了一種通用方法，該方法采用一組更簡單的模型來可靠地預(yù)測材料特性。文章還提出了一種轉(zhuǎn)移學(xué)習(xí)技術(shù)，并表明可以通過利用不同材料特性之間的相關(guān)性來克服由于模型簡單而導(dǎo)致的性能損失。同時，還提出了一種新的評估指標(biāo)和一個信任分?jǐn)?shù)，以更好地量化預(yù)測中的置信度。為了提高可解釋性，作者在框架中添加了基本原理生成器組件，該組件提供了模型級別和決策級別的解釋。

最后，文章證明了這種技術(shù)在兩種應(yīng)用中的多功能性：（1）預(yù)測晶體化合物的特性；（2）確定潛在穩(wěn)定的太陽能電池材料。文章還指出了ML在材料科學(xué)中的成功應(yīng)用尚待解決的一些懸而未決的問題。

文獻(xiàn)鏈接：

Reliable and explainable machine-learning methods for accelerated material discovery （npj Computational Materials， 2019， DOI： 10.1038/s41524-019-0248-2）

7. Nat. Mater.：利用機(jī)器學(xué)習(xí)進(jìn)行藥物發(fā)現(xiàn)和開發(fā)

各種各樣的機(jī)器學(xué)習(xí)方法，例如貝葉斯（Bayesian），支持向量以及最近的深度神經(jīng)網(wǎng)絡(luò)，都證明了它們在藥物發(fā)現(xiàn)和開發(fā)中的效用。這利用了從高通量篩選數(shù)據(jù)創(chuàng)建的更大的數(shù)據(jù)集，并能夠以更高的準(zhǔn)確度預(yù)測目標(biāo)和分子特性的生物活性。

科研工作者才剛剛開始挖掘這些技術(shù)的潛力，但是它們可能已經(jīng)從根本上改變了識別新分子或重新使用舊藥物的研究過程。這種針對端到端（E2E）應(yīng)用的機(jī)器學(xué)習(xí)模型的集成應(yīng)用具有廣泛的意義，并且對開發(fā)未來的療法及其目標(biāo)具有重要意義。

文獻(xiàn)鏈接：

Exploiting machine learning for end-to-end drug discovery and development （Nat. Mater.， 2019， DOI： 10.1038/s41563-019-0338-z）

8. Nature Reviews Chemistry：人工智能驅(qū)動的有機(jī)合成化學(xué)

合成有機(jī)化學(xué)是化學(xué)領(lǐng)域的基礎(chǔ)，包括藥物發(fā)現(xiàn)、化學(xué)生物學(xué)、材料科學(xué)和工程學(xué)。但是，執(zhí)行復(fù)雜的化學(xué)合成本身需要很豐富的背景知識，通常是在多年的研究和動手實(shí)驗(yàn)實(shí)踐中獲得的。具有簡化和自動化化學(xué)合成潛力的技術(shù)開發(fā)是一個耗費(fèi)半世紀(jì)尚未實(shí)現(xiàn)的努力。隨著計(jì)算能力、數(shù)據(jù)可用性和算法的提高，人們對人工智能（AI）的興趣再次興起。

在這篇綜述中，作者討論了AI對合成化學(xué)不同任務(wù)的近期影響，并從文獻(xiàn)中剖析了一些實(shí)例。通過研究基本概念，作者旨在使化學(xué)家了解AI，以便他們可以將其作為工具，通過指出知識差距并描繪化學(xué)AI如何在化學(xué)工業(yè)中運(yùn)行來刺激未來的研究。