재료 설계 및 합성부터 촉매 혁신 및 탄소 중립에 이르기까지 Tsinghua Wang Xiaonan 팀은 'AI+ 재료'의 최전선과 구현을 탐구합니다.

저자 | 왕샤오난, 칭화대학교

편집자 | Kaixia

급속한 기술 발전 시대에 신소재의 연구 개발은 과학 발전과 산업 혁명을 촉진하는 핵심 원동력이 되었습니다. 에너지 저장에서 정보 기술, 생물의학에 이르기까지 혁신적인 재료의 설계, 합성 및 기능적 특성화는 이러한 분야의 혁신의 초석입니다. 신소재의 연구 및 개발은 많은 분야에서 획기적인 추세를 보여 왔습니다. 에너지 저장 측면에서 연구자들은 재생 에너지의 저장 요구를 충족시키기 위해 보다 효율적이고 안전한 배터리 재료를 개발하기 위해 노력하고 있습니다. 동시에 정보 기술의 발전은 재료 과학자들에게도

인공지능(AI) 기술의 지속적인 발전으로 신소재 연구에의 적용은 새로운 연구 패러다임을 열었고, 이를 능가하는 새로운 생산력이 되었습니다. 전통적인 R&D 모델. 특히 재료의 설계, 합성, 특성화에서 AI의 지원으로 연구 효율성과 정확성이 크게 향상되었습니다.

"17세에 칭화에 가, 27세에 박사 지도교수, 30세에 칭화로 돌아와 90년대 이후 과학연구 여신, 2023 글로벌 학자 평생학자 선정 학문적 영향력 목록...' 이것은 칭화대학교 왕샤오난(王曉南) 선생님의 전설적인 이력서이다.

그녀가 이끄는 팀은 AI 가속 소재 개발 및 응용, 촉매 설계, 신에너지, 저탄소 기술에 대한 학제간 연구에 전념하고 있습니다.

최근에는 에너지 전반의 효율성과 경제성을 향상시키기 위해 AI+에너지, 화학산업, 환경신소재 등 학제간 융합 주제를 중심으로 첨단 신에너지 및 저탄소 기술과 시스템에 대한 연구가 진행되고 있습니다. 다중 규모 시스템 통합의 관점에서 자원 시스템 및 자원 시스템을 지원하고 Two-Carbon 목표를 지원합니다.

AI 가속 재료 연구 및 응용 측면에서 신에너지 시스템, 화학 산업 지능형 모델 등 분야에서 많이 인용된 일련의 논문과 알고리즘 소프트웨어 결과물이 있습니다.

대형 모델이 폭발적으로 늘어나는 AI 시대, '화학재료 GPT'가 진행되고 있다. 왕샤오난은 기초 모델 연구가 장기적인 문제라며 "대형 모델을 구현하고, 분야를 깊게 해보자"고 말했다. ", 구현 시나리오, 크고 작은 모델의 통합 시대가 도래했습니다. "

도메인 지식을 접목한 신속한 프로젝트가 과학 분야에서 LLM의 적용을 촉진합니다

Wang Xiaonan 팀은 과학 분야에서 생성적 AI, 특히 대규모 언어 모델(LLM) 수직 응용 프로그램에 오랫동안 관심을 가져왔습니다.

현재 대규모 언어 모델은 여러 일반 분야에서 대규모 데이터 세트를 처리하고 분석하는 데 큰 잠재력이 입증되었습니다. 그러나 이러한 모델은 특정 수직 영역의 복잡성에 직면했을 때 최적의 결과를 얻기 위해 더 미세한 조정이 필요한 경우가 많습니다.

프롬프트 엔지니어링은 특정 분야의 문제에 더 잘 적응하고 처리할 수 있도록 세심하게 설계된 프롬프트나 안내 설명을 통해 대규모 언어 모델의 출력을 최적화하고 안내하는 것을 말합니다.

최근 Wang Xiaonan 팀은 대규모 언어 모델에 화학 도메인 지식을 통합하여 과학 분야의 성능을 향상시키기 위한 힌트 엔지니어링 방법을 개발했습니다.

그림: 화학 분야의 지식을 내장한 신속한 엔지니어링 알고리즘 흐름도.

이 연구는 먼저 생물학과 화학에서의 관련성과 적용을 강조하기 위해 소분자의 복잡한 물리화학적 특성, 약물 가용성, 효소 및 결정질 물질의 기능적 특성을 포함하는 벤치마킹된 큐 엔지니어링 테스트 데이터 세트를 만들었습니다. 동시에 여러 가지 프롬프트 엔지니어링 휴리스틱(휴리스틱)을 결합하여 도메인 지식 내장형 프롬프트 엔지니어링 방법을 제안합니다. 이 방법은 여러 메트릭에서 기존 프롬프트 엔지니어링 전략보다 우수합니다.

또한 팀은 MacMillan 촉매, 파클리탁셀, 리튬 코발트 산화물과 같은 복합 재료에 대한 사례 연구를 통해 접근 방식의 효율성을 입증하고, 과학적 발견과 혁신을 위한 도메인별 프롬프트 엔지니어링을 갖춘 대규모 언어 모델의 역할을 강조합니다. 강력한 도구.

관련 연구 제목은 "Integrating Chemistry Knowledge in Large Language Models via Prompt Engineering"이라는 제목으로 사전 인쇄 플랫폼 arXiv에 2024년 4월 22일에 게재되었습니다.

논문 링크: https://arxiv.org/pdf/2404.14467

지능형 원자 로봇 탐침 기술, 원자 정밀도로 양자 물질을 효율적으로 제조할 수 있습니다

최근 Wang Xiaonan 팀과 싱가포르 국립대학교 Lu Jiong 및 Chun Zhang 부교수가 공동 개발한 지능형 원자 로봇 탐사 기술은 이러한 패러다임 변화를 보여주는 전형적인 사례입니다. AI와 프로브화학 기술을 결합해 탄소 기반 양자물질의 원자 단위 정밀 합성이 이뤄졌다.

삽화: 단일 분자 수준에서 유기 양자 물질을 정확하게 제조할 수 있는 원자 로봇 프로브.

이 연구는 π 전자 토폴로지 및 스핀 구성을 실현하기 위해 단일 분자 수준에서 개방형 자기 나노그래핀을 준비하고 특성화하기 위한 Chemist Intuitive Atom Robotic Probe(CARP)의 개념 시스템을 제안합니다.

CARP는 표면 화학자의 경험과 지식으로 훈련된 일련의 심층 신경망에 의해 구동됩니다. 이를 통해 분자 물질의 독립적인 합성을 실현하고 실험 훈련 데이터베이스에서 귀중한 숨겨진 정보를 효과적으로 얻을 수 있어 프로브에 대한 포괄적인 이해를 제공합니다. 화학 반응 메커니즘. 이론적 시뮬레이션은 중요한 지원을 제공합니다.

관련 연구 제목은 "화학자 직관형 원자 로봇 프로브를 통한 자성 나노그래핀의 지능적 합성"이며 2024년 2월 29일 "자연 합성"에 게재되었습니다.

논문 링크: https://www.nature.com/articles/s44160-024-00488-7

독일 마르부르크 대학의 Michael Gottfried 교수는 "스마트 로봇을 이용한 단일 분자 화학"을 썼습니다. 동시에 이 작품은 AI와 나노기술을 결합한 대표적인 사례로 평가됐다.

"단일 화학 결합의 한계에서 분자를 제어하는 ​​데 있어 놀라운 발전을 보여주는 선구적인 사례로 돋보입니다."

이 연구는 전통적인 표면 보조 합성의 낮은 반응 선택성과 낮은 생산 효율성을 극복할 뿐만 아니라 . 문제를 해결하고 심층 신경망을 통해 복잡한 화학 공정을 변환하여 단일 분자 작업의 합성 정밀도를 전례 없는 수준에 도달할 수 있게 되었습니다.

능동 학습은 촉매 스크리닝 및 설계를 위한 1차 원리 계산과 결합됩니다.

최근 몇 년 동안 Wang Xiaonan 팀은 활성 기반을 기반으로 화학 물질의 설계, 합성 및 특성화 평가를 위한 일련의 기계 학습 프레임워크를 구축했습니다. 학습 전략, 높은 수준의 Flux 촉매 스크리닝 모델 및 프로세스 매개변수의 동시 최적화를 통해 다중 규모의 정밀 설계 최적화를 달성합니다. 원자 수준에서 거시 수준까지 복잡한 데이터와 지식을 통합하는 어려운 문제를 해결하기 위해 다중 규모 디지털 트윈과 저탄소 지능형 연결 시스템이 구축됩니다.

위에서 언급한 기초 연구의 획기적인 발전 외에도 국가 경제의 주요 전쟁터를 ​​위한 일련의 중요한 응용 프로그램도 개발되었습니다.

저탄소 알킨의 선택적 수소화를 위한 촉매 설계에서 우리는 화둥이공대학교 Duan Xuezhi 교수팀과 협력하여 원자 규모에서 Ni 활성 부위 구조를 정밀하게 제어할 수 있게 되었습니다. 목표 반응 경로에 대한 방향성 제어 전략을 제공했을 뿐만 아니라 석유화학 산업에서 비귀금속 촉매의 광범위한 적용을 촉진했습니다.

연구팀은 에틸렌 탈착과 추가 수소화 사이의 에너지 장벽 차이를 선택성 설명자로 사용하여 베이지안 최적화 기반의 능동 학습 프레임워크와 DFT 계산을 결합한 연구 방법을 제안하여 자동화된 촉매를 구축하기 위한 워크플로우 아세틸렌의 선택적 수소화를 위한 고성능 Ni 기반 금속간 화합물을 예측하기 위한 고처리량 스크리닝.

이후, 잠재적인 알킨 수소화 촉매로서 3000개 이상의 후보 Ni 기반 금속간 화합물에서 15개의 고성능 Ni 기반 금속간 화합물을 신속하게 선별하여 ML 모델의 예측 정확도를 추가로 검증하고 최종 결과를 얻었습니다. 결정 권장되는 NiIn 촉매는 추가 실험 검증을 위한 최적의 후보 촉매로 식별되었습니다.

촉매 반응 성능 평가에 따르면 NiIn 금속간 화합물 촉매의 아세틸렌 및 프로핀 전환율이 100%일 때 에틸렌 및 프로필렌 선택도는 97.0%로 높으며 이는 기준 촉매보다 훨씬 높으며 역할을 입증합니다. 촉매 설계에 인공지능의 잠재력이 크다.

관련 결과는 Journal of the American Chemical Society에 "Atomic Design of Alkyne Semihydrogenation Catalysts via Active Learning"이라는 제목으로 온라인 게재되었습니다.

그림: DFT 계산과 결합된 베이지안 최적화 능동 학습 프레임워크를 기반으로 한 촉매 스크리닝 설계.

논문 링크: https://pubs.acs.org/doi/full/10.1021/jacs.3c14495

AI+Carbon Neutrality: 고성능 바이오 숯 개발을 가속화하고 CO₂ 캡처 개선

Wang Xiaonan 팀은 오랫동안 AI+탄소 중립 분야에 주목해 왔습니다. 바이오매스 폐기물에서 추출한 바이오 숯을 이용한 이산화탄소 포집 연구 측면에서 환태평양 대학 연합 지속 가능한 폐기물 관리 프로젝트를 공동 창안했습니다. 다국적 협력자와 개발된 저탄소, 제로 탄소 및 탄소 네거티브 기술을 통해 기후 변화를 완화하는 동시에 지속 가능한 폐기물 관리를 촉진합니다.

시간이 많이 걸리고 힘들고 정확성이 떨어지는 전통적인 바이오 숯 합성 공정의 과제를 고려하여 Wang Xiaonan 팀은 바이오 숯 합성을 안내 및 가속화하고 이산화탄소 흡수 능력을 향상시킬 수 있는 맞춤형 능동 학습 전략을 설계했습니다.

이 프레임워크는 실험 데이터를 학습하고, 최상의 합성 매개변수를 추천하고, 실험을 통해 학습 효과를 검증하고, 후속 모델 훈련 및 재검증을 위해 실험 데이터를 반복적으로 사용하여 완전한 폐쇄 루프를 설정합니다.

연구팀은 궁극적으로 특정 특성을 지닌 16개의 가공된 바이오 숯 샘플을 합성했는데, 이는 최종 라운드에서 흡수되는 이산화탄소 양이 거의 두 배에 달하는 것입니다. 이 연구는 고성능 엔지니어링 바이오 숯 재료의 개발을 가속화하는 데이터 기반 워크플로우를 보여줍니다.

해당 결과는 권위 있는 환경학술지인 "Environmental Science & Technology"에 "Active Learning-Based Guided Synthesis of Engineered Biochar for CO2 Capture"라는 제목으로 게재되어 표지논문으로 선정되었습니다.

그림: CO2 포집 물질을 위한 데이터 기반 폐쇄 루프 개발 프로세스.

논문 링크: https://pubs.acs.org/doi/full/10.1021/acs.est.3c10922

과학 탐구를 위한 새로운 길을 열고 실용적인 응용에 대한 강력한 지원을 제공합니다

이 일련의 연구 우리는 Wang Xiaonan 교수가 프로젝트 리더이자 수석 과학자를 맡고 있는 "차세대 인공 지능 국가 주요 과학 기술 프로젝트"와 같은 프로젝트의 지원을 받았습니다.

관련 결과는 과학적 탐구의 새로운 길을 열 뿐만 아니라 실제 적용에 대한 강력한 지원을 제공하며 특히 지속 가능한 개발을 촉진하고 글로벌 문제에 대응하는 데 큰 잠재력을 보여줍니다.

AI 기술의 급속한 발전과 함께 지능형 화학 공학, 신소재 개발, 신에너지 기술 및 기타 분야에서의 응용 전망은 매우 광범위하며 더욱 혁신적인 결과를 낳을 것입니다.

위 내용은 재료 설계 및 합성부터 촉매 혁신 및 탄소 중립에 이르기까지 Tsinghua Wang Xiaonan 팀은 'AI+ 재료'의 최전선과 구현을 탐구합니다.의 상세 내용입니다. 자세한 내용은 PHP 중국어 웹사이트의 기타 관련 기사를 참조하세요!