机器学习系统整理材料数据库

金属有机框架（MOFS）是一类含有纳米尺寸孔的材料。这些毛孔为MOFS录制破碎的内表面区域，可以测量高达7,800米²在一克物质中。因此，MOFs具有非常多的用途:分离石化产品和气体，模仿DNA，生产氢气，并除去重金属，氟化物阴离子，甚至来自水的黄金只是一些实例。

由于他们的受欢迎，材料科学家一直在迅速发展，综合，学习和编目制造商。目前，出版了超过90,000 MOF，而且每天都会增长。虽然令人兴奋，但MOF的纯粹数量实际上是一个问题：“如果我们现在建议综合一个新的MOF，我们如何知道它是否真正是一个新的结构，而不是已经合成的结构的一些小变化？“在Epfl Valais-Wallis询问Berend Smit教授，该沃尔斯省地拥有一个主要的化学部门。

为了解决这个问题，Smit与麻省理工学院的Heather J. Kulik教授合作，使用机器学习开发“语言”，用于比较两种材料并量化它们之间的差异。

研究人员武装了新的“语言”，探讨了MOF数据库中的化学多样性。“之前，重点是结构的数量，”Smit说。“但现在，我们发现主要数据库对特定结构的各种偏见。在进行对类似结构的昂贵筛选研究中没有任何意义。一个人在仔细选择一套非常多样化的结构中更好，这将提供更好的结果，结构越来越少。“

另一个有趣的应用是“科学考古学”:研究人员使用他们的机器学习系统来识别MOF结构，在研究期间，这些结构被公布为与已知的结构非常不同。“因此，我们现在有了一个非常简单的工具，可以告诉实验小组，他们的新型财政部结构与已经报告的其他9万个结构有何不同，”Smit说。

这项研究发表在自然通信。