En molekylær optimeringsramme til at identificere lovende organiske radikaler til vandige redoxstrømsbatterier

Nylige fremskridt i udviklingen af ​​maskinlæring og optimeringsteknikker har åbnet nye og spændende muligheder for at identificere passende molekylære designs, forbindelser og kemiske kandidater til forskellige applikationer. Optimeringsteknikker, hvoraf nogle er baseret på maskinlæringsalgoritmer, er kraftfulde værktøjer, der kan bruges til at vælge optimale løsninger til et givet problem blandt et typisk stort sæt af muligheder.

Forskere ved Colorado State University og National Renewable Energy Laboratory har anvendt state-of-the-art molekylære optimeringsmodeller på forskellige problemer i den virkelige verden, der indebærer identifikation af nye og lovende molekylære designs. I deres seneste undersøgelse, omtalt i Nature Machine Intelligence , anvendte de specifikt en nyudviklet, open source-optimeringsramme til opgaven med at identificere levedygtige organiske radikaler til vandige redoxstrømsbatterier, energienheder, der omdanner kemisk energi til elektricitet.

"Vores projekt blev finansieret af et ARPA-E-program, der søgte at forkorte, hvor lang tid det tager at udvikle nye energimaterialer ved hjælp af maskinlæringsteknikker," sagde Peter C. St. John, en af ​​forskerne, der udførte undersøgelsen, til TechXplore . "At finde nye kandidater til redoxflow-batterier var en interessant forlængelse af noget af vores tidligere arbejde, herunder en artikel udgivet i Nature Communications og en anden i Scientific Data , begge ser på organiske radikaler."

Den nye ramme skabt af St. John og hans kolleger var inspireret af deres tidligere arbejde med molekylær optimering. Rammen består i det væsentlige af kunstig intelligens (AI)-værktøjet AlphaZero, udviklet af DeepMind, kombineret med en hurtig maskinlærings-afledt model, der består af to grafiske neurale netværk trænet på næsten 100.000 kvantekemi-simuleringer.

Det første af grafens neurale netværk blev trænet til at forudsige oxidations- og reduktionspotentialer, to vigtige parametre til at bestemme, hvor meget energi der kan lagres i vandige redoxflow-batterier. Den anden forudsiger tætheden af ​​elektroner og det lokale 3D-miljø, som begge har vist sig at være forbundet med disse batteriers levetid.

"Vi udgør molekyleoptimering som en træsøgning, hvor vi bygger molekyler ved at tilføje komponenter iterativt på en voksende struktur," forklarede St. John. "Fordelen ved denne tilgang er, at vi kan beskære store grene af søgerummet, hvor molekyler begynder at vise understrukturer, der er urealistiske. Vi kan derfor begrænse vores søgerum til kun at omfatte molekyler, der opfylder et forudbestemt sæt af simple kriterier."

Forskerne brugte deres molekylære optimeringsramme til at køre en række tests med det formål at identificere mulige organiske radikaler for vandige redoxflow-batterier, der kunne være særligt stabile og lovende. Rammeværket identificerede med succes adskillige molekylære kandidater, der opfyldte en specifik kombination af kriterier defineret af St. John og hans kolleger.

"Vi demonstrerede, at sættet af mulige kandidater til en bestemt type ladningsbærer i organiske redoxflow-batterier kan være større end tidligere antaget," sagde St. John. "Vi viste også, at der kan findes molekyler, der kan føre til enklere, højtydende batterier uden at kræve brug af overgangsmetaller."

Indtil videre har optimeringsrammen udviklet af dette team af forskere vist sig at være et meget lovende værktøj til at tackle komplekse virkelige problemer relateret til teknik og kemi. I fremtiden vil det således kunne bruges til at identificere nye ønskværdige forbindelser og molekylære kandidater til mange forskellige teknologier, herunder vandige redoxflow-batterier.

"Vi vil nu gerne undersøge tilføjelse af yderligere kriterier som opløselighed og redoxpar mellem ladede tilstande," tilføjede St. John. "Dette ville kræve yderligere træningsdata, men det kan føre til mere lovende kandidatstrukturer." + Udforsk yderligere

En heteropolysyre negolyt, der kunne forbedre ydeevnen af ​​vandige redoxflow-batterier ved lave temperaturer

© 2022 Science X Network