王笑楠/刘斌JACS：人工智能突破材料加速计算新框架
王笑楠/刘斌JACS：人工智能突破材料加速计算新框架随着人工智能（AI）技术的不断进展，机器学习方法在化学化工和材料领域也发挥出巨大作用。新加坡国立大学的王笑楠教授（点击查看介绍）（现单位清华大学化工系）和刘斌教授（点击查看介绍）团队开发了具备自我学习能力的分子、材料计算体系，将实现下一代的加速材料开发过程。该工作展示了如何结合材料性能第一原理计算，基于贝叶斯优化的主动学习，以及深度学习预测模型从而实现高性能光敏剂（PSs）的自我改进发现系统。通过自我完善的循环，该系统可以提高模型的预测精度（单线态-三线态分裂的最佳平均绝对误差为0.090eV）和高性能光敏剂的搜索能力，实现了PS的高效发现。从超过700万个分子的分子空间中，作者发现了5357个潜在的高性能PSs。基于这些潜在的分子，他们进一步合成了四种PSs，它们显示出了与商业PS相当或更高的性能。这项工作突破了机器学习，尤其是主动学习在基于第一原理的材料设计中的潜力，所发现的结构可以促进光敏化相关应用的发展。
该工作突破了结合材料第一性原理计算与多种机器学习算法融合的先进AI材料研发算法框架。其中两位第一作者许适当和李佳礼分别提供了化学机理相关分析与计算以及机器学习算法与框架的设计开发。
该智能计算框架结合了基于量子机理的理解、高效的分子生成算法、精确材料性质计算（ΔEST）以及前沿机器学习方法。通过对于目标分子系统的理解，结合分子生成算法，一个基于化学家知识的高性能光敏剂分子设计空间首先被定义。由于此空间包含超过700万个可能的分子，全部通过第一性原理计算将耗费大量的时间和资源，是几乎不可能实现的任务。对此，作者提出了通过训练深度分子图神经网络来实现在大空间中的分子筛选。首先在此专家空间中通过随机采样的方式选择初始的训练分子库，通过第一性原理计算，得到所有分子的单线态-三线态分裂能量的标签，作为起始数据库。
为了能更高效地采集提高模型性能的数据点，作者提出了一个专注于发现目标性质的主动学习框架。利用深度分子图神经网络的预测模型作为代理导航模型，来计算贝叶斯优化（BO）中的预期改进值（EI）。在主动学习的每个周期中，代理导航模型都是在前一个周期提供的数据库上训练的（即在主动学习周期的第一个周期，训练数据库是初始数据库；然后用新建议的分子更新数据库，作为第二个周期的训练数据库）。通过应用dropout方法，在每一轮中，不同版本的基于深度分子图神经网络的预测模型被提供给同一训练数据库。这些导航模型被用来提供所有潜在分子的平均预测值，之间的标准差值作为BO计算的不确定性部分。所有预测的ΔEST值的平均值被视为BO得分计算的平均值部分。通过考虑“探索-开发”之间的权衡，在每个周期中推荐具有最高综合分数的PS。将这种具有高EI分数的分子添加到训练数据中，将使模型在特定分子区域内的性能得到最大的改善，进一步通过第一性原理计算标记其性质以加入数据库。
通过最终表现最好的模型，作者发现了5357个潜在的高性能PSs，进一步合成了其中四种分子，它们显示出了与商业高性能光敏剂相当或更好的性能。这项工作突破了主动学习在基于第一原理的材料设计中的潜力，所发现的材料结构将大大促进光敏化相关应用的发展，尤其是抗癌光动力疗法等核心领域。
综上所述，本研究提出了一个具有强大的分子搜索能力和高特性预测精度的，具有自我学习能力的新分子发现系统。机器学习和各种新兴人工智能方法为未来新材料开发提供了全新的计算框架。
原文（扫描或长按二维码，识别后直达原文页面，或点此查看原文）：
Self-ImprovingPhotosensitizerDiscoverySystemviaBayesianSearchwithFirst-PrincipleSimulations
ShidangXu,JialiLi,PengfeiCai,XiaoliLiu,BinLiu*,andXiaonanWang*
J.Am.Chem.Soc., 2021, 143,19769–19777,DOI:10.1021/jacs.1c08211
作者介绍
李佳礼博士
2017年本硕毕业于帝国理工化学工程系，2021年博士毕业于新加坡国立大学，现为新加坡国立大学博士后，师从王笑楠教授。研究领域：人工智能，系统工程，材料领域的交叉应用，主要擅长利用计算机视觉，图神经网络，主动学习等技术系统性地加速新材料、分子的研发与制造。发表多篇JACS，Matter等期刊论文。
许适当博士
2020年博士毕业于新加坡国立大学，现为新加坡国立大学博士后，师从刘斌教授。研究领域：生物医用、光电功能有机高分子材料。研究成果在AM,Angew等国际权威期刊上发表。
王笑楠教授
清华大学化学工程系特别研究员、博士生导师、国家高层次人才计划入选者。创建了智慧系统工程研究中心，兼任环太平洋大学联盟项目的联合负责人，新加坡国立大学博士生导师。2011年本科毕业于清华大学，2015年获加州大学戴维斯分校博士，之后在英国帝国理工学院进行博士后研究。2017年加入新加坡国立大学，任助理教授、副教授，围绕碳中和和未来智能实验室等新兴交叉学科，开展新能源、低碳技术和系统及人工智能应用的研究，发表100余篇学术论文，参与撰写3部专著，担任十本国际期刊副主编和编委。获得AIChE新加坡最佳青年首席研究员奖（2021），环太平洋大学联盟可持续发展论坛最佳青年研究员奖（2020），应用能源杂志最佳编委奖（2020），AppliedEnergy高引论文奖（2020），英国皇家协会国际交流奖（2018），国际化学工程师学会全球奖(IChemE)青年研究员决赛入围名单（2017）等奖项。
https://www.x-mol.com/university/faculty/319234
刘斌教授
新加坡国立大学(NUS)教授兼研究与技术副校长，同时也是新加坡国家科学院、新加坡工程院、亚太材料学院和皇家化学学会的院士。1995&1998年获南京大学学士、硕士，2001年新加坡国立大学博士，之后在加州大学圣巴巴拉分校进行博士后研究。2005年底加入新加坡国立大学，并于2010年晋升为副教授，2014年晋升为院长讲席教授，2017年晋升为教务长讲席教授。研究重点是用于生物医学和能源应用的有机功能材料，发表过350篇文章，拥有30项专利权，获得2008年新加坡国家科学技术青年科学家奖、2011年欧莱雅新加坡女性科学国家奖学金、2016年度总统科技奖、2019年度纳米科研领域领导者奖(ACSNanoLectureshipAward)、2021年英国皇家化学学会百年奖等奖项。
https://www.x-mol.com/university/faculty/40437
如果篇首注明了授权来源，任何转载需获得来源方的许可！如果篇首未特别注明出处，本文版权属于X-MOL（x-mol.com），未经许可，谢绝转载！
点击分享收藏取消收藏评论:0