休斯頓大學化學助理教授Jakoah Brgoch和他的實驗室成員于10月22日在Nature Communications上發(fā)表了一篇論文，描述了機器學習如何加速新材料的發(fā)現(xiàn)。通過掃描大量化合物的關鍵屬性，他們正在尋找可用于白光LED的新型光轉換材料。

磷光體將藍光轉換為其他波長以產生白色LED（圖像）

研究人員設計了一種新的機器學習算法，該算法足以在個人計算機上運行并預測超過100,000種化合物的特性，以尋找那些最有可能成為LED照明的高效熒光粉的化合物。然后他們合成并測試了一種計算預測的化合物 - 硼酸鋇 - 并確定它提供95％的效率和出色的熱穩(wěn)定性。

研究人員利用機器學習快速掃描大量化合物的關鍵屬性，包括德拜溫度和化學相容性。Brgoch先前證明了德拜溫度與效率相關。

基于LED或發(fā)光二極管的燈泡通過使用少量稀土元素（通常是銪或鈰）在陶瓷或氧化物主體內取代 - 兩種材料之間的相互作用決定了性能。該論文的重點是快速預測主體材料的性質。

Brgoch表示，該項目提供了強有力的證據(jù)證明機器學習可以為開發(fā)高性能材料帶來價值，這一領域傳統(tǒng)上由反復試驗和簡單的經驗規(guī)則引導?！八嬖V我們應該在哪里尋找和指導我們的合成努力，”他說。

Brgoch與UH數(shù)據(jù)科學研究所合作，并利用UH高級計算和數(shù)據(jù)科學中心的計算資源進行以前的工作。然而，用于這項工作的算法是在個人計算機上運行的。

該項目首先列出了來自Pearson晶體結構數(shù)據(jù)庫的118,287種可能的無機磷化合物;該算法削減到超過2,000。又過了30秒，它產生了大約二十幾種有前途的材料清單。Brgoch說，這個過程需要數(shù)周而沒有機器學習的好處。

他的實驗室進行機器學習和預測，以及合成，因此在同意算法推薦的硼酸鋇鈉是一個很好的候選者后，研究人員創(chuàng)造了這種化合物。它被證明是穩(wěn)定的，量子產率或效率為95％，但Brgoch說產生的光太藍而不具商業(yè)價值。他說，這并不令人沮喪。“現(xiàn)在我們可以使用機器學習工具找到發(fā)射波長的發(fā)光材料。

“我們的目標是讓LED燈泡不僅更高效，還能提高色彩質量，同時降低成本。”

研究人員說，更重要的是，他們證明機器學習可以大大加快發(fā)現(xiàn)新材料的過程。這項工作是Brgoch研究小組利用機器學習和計算指導他們發(fā)現(xiàn)具有變革潛力的新材料的更廣泛努力的一部分。