Maskinindlæring revner krystalstrukturenes oxidationstilstande

Kemiske grundstoffer udgør stort set alt i den fysiske verden. Fra 2016 vi kender til 118 elementer, som alle kan findes kategoriseret i det berømte periodiske system, der hænger i hvert kemilaboratorium og klasseværelse.

Hvert element i det periodiske system fremstår som et, to bogstaver forkortelse (fx O for oxygen, Al for aluminium) sammen med dets atomnummer, som viser hvor mange protoner der er i grundstoffets kerne. Antallet af protoner er enormt vigtigt, da det også bestemmer hvor mange elektroner der kredser om kernen, hvilket i det væsentlige gør grundstoffet til det det er og giver det dets kemiske egenskaber. Kort sagt, atomnummeret er et elements ID -kort.

Det periodiske system bør indeholde oxidationstilstande

Udgiver i Naturkemi , kemiske ingeniører på EPFL's School of Basic Sciences undersøger et andet tal, der skal rapporteres for hvert element i det periodiske system:elementets oxidationstilstand, også kendt som oxidationsnummer. Kort fortalt, oxidationstilstanden beskriver, hvor mange elektroner et atom skal få eller tabe for at danne en kemisk binding med et andet atom.

"I kemi, oxidationstilstanden er altid rapporteret i det kemiske navn på en forbindelse, "siger professor Berend Smit, der ledede forskningen." Oxidationstilstande spiller en så vigtig rolle i kemiens fundamentale elementer, at nogle har argumenteret for, at de skulle repræsenteres som den tredje dimension af det periodiske system. "Et godt eksempel er chrom:i oxidation tilstand III er det essentielt for den menneskelige krop; i oxidationstilstand VI, det er ekstremt giftigt.

Komplekse materialer komplicerer tingene

Men selvom det er ret ligetil at finde ud af oxidationstilstanden for et enkelt element, når det kommer til forbindelser, der består af flere elementer, tingene bliver komplicerede. "For komplekse materialer, det er i praksis umuligt at forudsige oxidationstilstanden ud fra de første principper, " siger Smit. "Faktisk, de fleste kvanteprogrammer kræver metallets oxidationstilstand som input."

Den nuværende state-of-the-art inden for forudsigelse af oxidationstilstande er stadig baseret på en noget, der kaldes "binding valence theory" udviklet i det tidlige 20. århundrede, som estimerer oxidationstilstanden af ​​en forbindelse baseret på afstandene mellem atomerne i dens bestanddele. Men det virker ikke altid, især i materialer med krystalstrukturer. "Det er velkendt, at det ikke kun er afstanden, der betyder noget, men også geometrien i et metalkompleks, " siger Smit. "Men forsøg på at tage højde for dette har ikke været særlig succesfulde."

En maskinlæringsløsning

Indtil nu, det er. I undersøgelsen, forskerne var i stand til at træne en maskinlæringsalgoritme til at kategorisere en berømt gruppe af materialer, de metal-organiske rammer, ved oxidationstilstand.

Holdet brugte Cambridge strukturelle database, et lager af krystalstrukturer, hvor oxidationstilstanden er angivet i materialernes navn. "Databasen er meget rodet, med mange fejl og en blanding af eksperimenter, ekspert gæt, og forskellige variationer af bindingsvalensteorien bruges til at tildele oxidationstilstande, "siger Smit." Vi går ud fra, at kemi er selvkorrigerende, " tilføjer han. "Så selvom der er mange fejl på individuelle konti, samfundet som helhed vil få det rigtigt. "

"Vi lavede grundlæggende en maskinlæringsmodel, der har fanget den kollektive viden om kemisamfundet, " siger Kevin Jablonka, en ph.d. elev i Smits gruppe på EPFL. "Vores maskinlæring er intet andet end tv-spillet "Who Wants To Be A Millionaire?" Hvis en kemiker ikke kender oxidationstilstanden, en af ​​livslinjerne er at spørge kemiens publikum, hvad de mener, oxidationstilstanden skal være. Ved at uploade en krystalstruktur og vores maskinlærte model er publikum af kemikere, der vil fortælle dem, hvad den mest sandsynlige oxidationstilstand er."