기계 학습을 강화하는 도구의 '생태계'

Oct 24, 2023

2023년 3월 24일 보고서

이 기사는 Science X의 편집 과정 및 정책에 따라 검토되었습니다. 편집자들은 콘텐츠의 신뢰성을 보장하면서 다음 특성을 강조했습니다.

사실 확인된

동료 검토 출판물

신뢰할 수 있는 출처

교정하다

작성자: Bob Yirka, Phys.org

스위스 연방 공과 대학 로잔, 캘리포니아 대학, Ecole의 Institut des Sciences et Ingenierie Chimiques의 화학자와 컴퓨터 과학자 팀은 금속-유기 프레임워크의 기계 학습 기반 설계를 향상시키는 도구 생태계를 개발했습니다.

ACS Central Science 저널에 보고된 연구에서 Kevin Maik Jablonka, Andrew Rosen, Aditi Krishnapriyan 및 Berend Smit는 데이터를 기계 학습 입력으로 변환하여 기계 학습 프레임워크를 강화하는 시스템을 만드는 코딩 도구를 사용했습니다.

망상 화학은 미리 정의된 특정 구조와 특성(빌딩 블록)을 갖는 다공성 결정질 재료를 설계하고 합성하는 과학입니다. MOF(금속-유기 프레임워크)로 알려진 이러한 물질은 가스 저장, 분리, 촉매 작용, 감지 및 약물 전달에 응용됩니다.

불행하게도 새로운 MOF의 발견과 최적화는 여전히 시간과 비용이 많이 드는 시행착오 실험을 기반으로 합니다. 망상 화학의 개발 속도를 높이기 위해 현재 팀 구성원 중 일부는 Mofdscribe라는 애플리케이션 패키지를 만들어 2022년에 일반 대중이 사용할 수 있도록 출시했습니다.

그 이후로 Mofdscribe는 많은 화학자들이 고유한 MOF를 만드는 데 도움을 주는 데 사용되었습니다. 그러나 현재 팀은 Mofdscribe에 몇 가지 제한 사항이 있음을 인식하고 보다 유용한 시스템을 만들기 시작했습니다.

이를 위해 연구원들은 계산 모델링, 기계 학습, 데이터 마이닝 및 높은 처리량 스크리닝을 통합할 수 있는 코드를 만들었습니다. 또한 기계 학습 알고리즘을 훈련하는 데 사용되는 데이터가 테스트 세트로 누출되는 문제도 해결했습니다. 그들의 목표 중 하나는 연구자에게 아직 필요하지 않지만 언젠가는 필요하게 될 데이터세트 분석 도구를 만드는 것이었습니다. 그들은 이것이 기계 학습 시스템 간의 성능 차이를 비교하는 데 도움이 될 것이라고 제안합니다.

그 결과 팀은 화학자들이 원하는 기능과 특성을 가진 MOF를 생성하기 위한 새로운 기계 학습 접근 방식을 연구할 수 있는 환경인 "생태계"라고 설명했습니다. 그들은 또한 새로운 합성 경로와 반응 조건을 식별할 수 있다고 지적합니다.

연구팀은 또한 새로운 생태계가 망상 화학 분야의 연구자들 사이에서 데이터와 지식의 공유와 재사용을 촉진하여 협업과 혁신을 촉진할 것이라고 믿습니다.

추가 정보: Kevin Maik Jablonka 외, 디지털 망상 화학을 위한 생태계, ACS Central Science(2023). DOI: 10.1021/accentsci.2c01177

저널 정보:ACS 중앙과학

© 2023 사이언스 X 네트워크