清華王暁南氏のチームは、材料の設計と合成から触媒のイノベーションとカーボンニュートラルに至るまで、「AI+ 材料」のフロンティアと実装を探求しています。

著者 | 清華大学 王暁南

編集者 | Kaixia

今日の急速な技術発展の時代において、新材料の研究開発は原動力になる 科学の進歩と産業革命の重要な力。エネルギー貯蔵から情報技術、生物医学に至るまで、革新的な材料の設計、合成、機能特性評価は、これらの分野における画期的な進歩の基礎です。 新材料の研究開発は、多くの分野で画期的な進歩を遂げています。エネルギー貯蔵の観点から、研究者たちは再生可能エネルギーの貯蔵ニーズを満たすために、より効率的で安全な電池材料の開発に取り組んでいます。同時に、情報技術の進歩により、材料科学者は次のようなことを行うようになりました。従来の研究開発モデルを超越した研究パラダイム。特に材料の設計、合成、特性評価において、AI の支援により研究の効率と精度が大幅に向上しました。

##「17 歳で清華大学に入学、27 歳で博士指導教員となり、30 歳で清華大学に戻り、90 年代以降の科学者研究の女神であり、2023 年の Global Scholars Lifetime Academic Influence List に選ばれました...」 これは清華大学の教師、Wang Xiaonan の伝説的な履歴書です。

彼女が率いるチームは、AI によって加速される材料開発と応用、触媒設計、新エネルギー、低炭素技術に関する学際的な研究に取り組んでいます。

近年、総合効率の向上を図るため、AI、エネルギー、化学工業、環境新素材などの学際的テーマを中心に、最先端の新エネルギー・低炭素技術やシステムの研究が進められています。マルチスケールシステム統合の観点から見たエネルギーと資源システムの有効性。経済的であり、二重炭素目標をサポートします。

AI による材料研究と応用の加速に関しては、新エネルギー システムや化学インテリジェント モデルなどの分野で、非常に引用されている一連の論文やアルゴリズム ソフトウェアの成果があります。

大規模モデルが爆発的に増加する AI 時代において、「化学材料 GPT」が進行中であると王暁南氏は、基礎モデルの研究は長期的な問題であると述べました。科学と工学の分野を深く掘り下げ、適切なアプリケーション オブジェクト、実装シナリオ、大小のモデルの統合の時代が到来したことを発見します。」

ドメイン知識を組み込んだ迅速なプロジェクトにより、科学分野における LLM の応用

Wang Xiaonan のチームは、長い間、生成 AI、特に科学分野における大規模言語モデル (LLM) の垂直応用を高く評価してきました。

現在、大規模言語モデルは、複数の一般分野における大規模なデータセットの処理と分析において大きな可能性を秘めていることが証明されています。ただし、特定の垂直ドメインの複雑さに直面した場合、これらのモデルでは最適な結果を得るためにさらに微調整が必​​要になることがよくあります。

プロンプト エンジニアリングとは、慎重に設計されたプロンプトまたはガイダンス ステートメントを通じて大規模な言語モデルの出力を最適化およびガイドし、特定の分野の問題に適切に適応して処理できるようにすることを指します。

最近、Wang Xiaonan のチームは、化学分野の知識を大規模な言語モデルに統合することで、科学分野でのパフォーマンスを向上させるヒント エンジニアリング手法を開発しました。

図: 化学領域に知識を組み込んだプロンプトエンジニアリングアルゴリズムのフローチャート。

この研究では、生物学と化学におけるそれらの可能性を強調するために、小分子の複雑な物理化学的特性、薬剤の利用可能性、酵素と結晶材料の機能的特性を含むベンチマークキューエンジニアリングテストデータセットを最初に作成しました。同時に、複数のプロンプトエンジニアリングヒューリスティック（ヒューリスティック）を組み合わせることにより、ドメイン知識を組み込んだプロンプトエンジニアリング手法が提案されています。この手法は、複数の指標において従来のプロンプトエンジニアリング戦略よりも優れています。

さらに、チームは、マクミラン触媒、パクリタキセル、コバルト酸リチウムなどの複雑な材料に関するケーススタディを通じてこのアプローチの有効性を実証し、ドメイン固有のヒントエンジニアリングを備えた大規模言語モデルの役割を強調しました。科学的発見と革新のための強力なツールとして。

関連研究のタイトルは「プロンプトエンジニアリングによる大規模言語モデルへの化学知識の統合」で、2024 年 4 月 22 日にプレプリント プラットフォーム arXiv で公開されました。

#論文リンク: https://arxiv.org/pdf/2404.14467

インテリジェント アトム ロボット プローブ技術

量子材料は原子精度で効率的に製造できる

最近、Wang Xiaonan のチームとシンガポール国立大学の Lu Jiong 准教授と Chun Zhang 准教授が共同開発したインテリジェント原子ロボットプローブ技術は、このパラダイム変化の典型的な実証となっています。 AIとプローブ化学技術を組み合わせることで、原子レベルで精密な炭素系量子材料の合成が達成された。

#図: 有機量子物質を単一分子レベルで正確に生成できる原子ロボットプローブ。

この研究は、開殻磁性ナノグラフェンを単一分子レベルで調製および特性評価して、そのπ正確な構築を達成するための、化学者の直観的原子ロボットプローブ(CARP)

の概念システムを提案します。電子トポロジーとスピン構成。 CARP は、表面化学者の経験と知識によって訓練された一連のディープ ニューラル ネットワークによって駆動され、分子材料の独立した合成を実現し、実験訓練データベースから貴重な隠された情報を効果的に取得することができます。探査の理解。化学反応メカニズムの理論的シミュレーションに重要なサポートを提供します。

関連研究のタイトルは「化学者直観の原子ロボットプローブによる磁性ナノグラフェンのインテリジェント合成」で、2024年2月29日に「Nature Synthesis」に掲載されました。

論文リンク: https://www.nature.com/articles/s44160-024-00488-7

マールブルク大学 Michael Gottfried 教授, ドイツ 同時に「スマートロボットによる単一分子化学」という論文を執筆し、この研究をAIとナノテクノロジーを組み合わせた先進的な例として高く評価した。

「単一化学結合の限界で分子を制御する際の目覚ましい進歩を示す先駆的な例として際立っています。」

この研究はそれを示しています従来の表面支援合成における低い反応選択性と低い生産効率の問題を克服するだけでなく、ディープニューラルネットワークを通じて複雑な化学プロセスを変換し、単一分子操作の合成精度を前例のないレベルに達することを可能にします。

アクティブ ラーニングを第一原理計算と組み合わせて触媒のスクリーニングと設計を行う

近年、Wang Xiaonan のチームは、一連の化学材料の設計、合成、および特性評価 機械学習フレームワークは、アクティブ ラーニング戦略に基づいて高スループットの触媒スクリーニング モデルを構築し、同時にプロセス パラメーターを最適化して、マルチスケールの正確な設計最適化を実現します。原子レベルからマクロレベルまでの複雑なデータと知識を統合するという困難な問題に対処するために、マルチスケールのデジタルツインと低炭素インテリジェント接続システムが確立されています。

基礎研究における上記の画期的な進歩に加えて、国民経済の主戦場のための一連の重要な応用も開発されています。

低炭素アルキンの選択的水素化のための触媒の設計に関して、私たちは華東科技大学のDuan Xuezhi教授のチームと協力して、Ni活性サイト構造の精密な制御を達成しました。これは、ターゲットの反応経路制御戦略の方向性を提供するだけでなく、石油化学産業における非貴金属触媒の幅広い応用を促進します。

研究チームは、ベイジアン最適化に基づくアクティブラーニングフレームワークとDFT計算を組み合わせて、エチレンの脱離とそのさらなる水素化の間のエネルギー障壁の差を決定する研究方法を提案しました。選択性記述子、自動触媒ハイスループット スクリーニングのワークフローは、アセチレンの選択的水素化のための高性能 Ni ベース金属間化合物を予測するために構築されました。

その後、アルキン水素化触媒候補として 3,000 を超える候補 Ni ベース金属間化合物から 15 の高性能 Ni ベース金属間化合物が迅速にスクリーニングされ、DFT 計算を使用して ML モデルの予測がさらに検証されました。精度が高く、推奨された NiIn 触媒が、さらなる実験検証のための最適な候補触媒として最終的に決定されました。

触媒反応性能評価により、NiIn金属間化合物触媒のアセチレンとプロピンの転化率が100%の場合、エチレンとプロピレンの選択率は97.0%と高く、基準触媒よりも大幅に高いことがわかりました。 、触媒設計における人工知能の大きな可能性を示しています。

関連する結果は、「アクティブ ラーニングによるアルキン半水素化触媒の原子設計」というタイトルで、Journal of the American Chemical Society にオンラインで掲載されました。発見された一連の触媒は、産業の拡大と変革にも使用されています。

図: DFT 計算と組み合わせたベイジアン最適化アクティブ ラーニング フレームワークに基づく触媒スクリーニング設計。

論文リンク: https://pubs.acs.org/doi/full/10.1021/jacs.3c14495

AI カーボン ニュートラル: 高性能バイオ炭開発の加速、 # の改善##CO₂ 捕捉能力

Wang Xiaonan のチームは、AI カーボンニュートラルの研究の分野に長い間注目してきました。バイオ炭による二酸化炭素の回収に向けて、私たちは多くの国の協力者と環太平洋大学アライアンス持続可能な廃棄物管理プロジェクトを共同設立し、持続可能な廃棄物管理を促進しながら気候変動を緩和するための低炭素、ゼロカーボン、マイナスカーボン技術を開発しました。

従来のバイオ炭合成プロセスの時間と手間がかかり、精度が低いという課題を考慮して、Wang Xiaonan のチームは、バイオ炭の合成を誘導および加速し、吸着性を向上させるカスタマイズされたアクティブ ラーニング戦略を設計しました。二酸化炭素の能力。

このフレームワークは実験データを学習し、最適な合成パラメーターを推奨し、実験を通じて学習効果を検証し、その後のモデルのトレーニングと再検証に実験データを繰り返し使用することで、完全な閉ループを確立します。

研究チームは最終的に、特定の特性を持つ 16 個の人工バイオ炭サンプルを合成し、最終段階で吸収される二酸化炭素の量がほぼ 2 倍になりました。この研究は、高性能の人工バイオ炭材料の開発を加速するデータ駆動型のワークフローを実証します。

関連成果は、権威ある環境雑誌「Environmental Science & Technology」に「Active Learning-Based Guided Synthesis of Engineered Biochar for CO₂ Capture」というタイトルで掲載され、表紙に選ばれました。

図: CO₂ 回収材料のデータ駆動型閉ループ開発プロセス。

論文リンク: https://pubs.acs.org/doi/full/10.1021/acs.est.3c10922

科学探査の新たな道を切り開き、実用的なアプリケーションを提供強力なサポート

この一連の研究活動は、王暁南教授がプロジェクトリーダー兼主任研究員を務める「新世代人工知能国家科学技術メジャープロジェクト」などのプロジェクトによって支援されています。

関連する結果は、科学的探査に新たな道を開くだけでなく、実用化への強力な裏付けも提供し、特に持続可能な開発の促進と地球規模の問題への対応において大きな可能性を示しています。

AI技術の急速な進歩に伴い、インテリジェント化学工学、新材料開発、新エネルギー技術などの分野での応用の見通しは非常に幅広く、より革新的な成果が生み出されることになります。

以上が清華王暁南氏のチームは、材料の設計と合成から触媒のイノベーションとカーボンニュートラルに至るまで、「AI+ 材料」のフロンティアと実装を探求しています。の詳細内容です。詳細については、PHP 中国語 Web サイトの他の関連記事を参照してください。