南卡罗莱纳大学（the University of South Carolina）的博士生Laura Murdock展示了她根据机器学习生成的化学设计模型制成的聚合物薄膜。这种薄膜的性能优于所有已知的用于分离二氧化碳和甲烷的薄膜，这表明机器学习可以帮助化学家更快地开发新材料。

（图片来源：Laura Murdock/南卡罗莱纳大学）

南卡罗莱纳大学（the University of South Carolina）和哥伦比亚大学（Columbia University）的科学家已经开发出一种快速的方法来设计制造气体过滤薄膜，这种过滤膜可以降低温室气体的排放量以及减少污染。

研究成果发布于《科学进展》（Science Advances）上，这一新的研究方法将机器学习与合成化学相结合，以更快的设计开发出新的气体分离薄膜。最近的实验使用这一方法研制出一种新的材料，该材料的分离气体能力比其他任何已知的过滤膜更好。

南卡罗莱纳大学的化学教授Brian Benicewic说，这一发现可以彻底的改变新材料的设计和制造方法。

Benicewicz说:“这避免了不确定的工作以及效率很低的传统实验和错误工作。你不必去制作成百上千种不同材料来测试，现在你可以让机器学习来代替这些工作，它可以缩小你的搜索范围。”

Benicewicz和他在哥伦比亚大学的同事想要研究是否大数据可以设计出一种更有效的薄膜。

哥伦比亚大学的研究小组创建了一种可以分析现有薄膜的化学结构和有效性的机器学习算法，对现有薄膜的“甲烷-二氧化碳”分离能力进行分析。一旦该算法可以准确地预测给定薄膜的有效性，研究人员就可以转向另一问题：理想的气体分离薄膜有怎样的化学结构？

哥伦比亚大学化学工程教授Sanat K. Kumar将他的机器学习算法与网飞公司（Netflix）的推荐电影算法进行了比较。通过测试观看者之前观看以及喜欢的内容，网飞公司首先确定了观看者的喜好，然后找到可推荐的影片。Sanat K. Kumar教授的算法可以分析现有薄膜的化学结构，并能预测哪种结构更有效。

计算机列出了100个可能超过当前性能的材料假设。Benicewicz领导一个合成化学研究小组确定了两个可以合成的假定结构。Laura Murdock是南卡莱罗纳大学的化学博士，她制作了算法预测的聚合物并将其制成薄膜。

研究人员测试发现，这些薄膜的有效性接近计算机的预测，并且远远高于假定的性能上限。

Murdock说：“这些薄膜的效果要比之前制作的薄膜好的多，并且制作更加简单，有商业用途的潜力。”

将二氧化碳与甲烷分离的工艺在天然气产业中有直接的应用，因为必须要将二氧化碳从天然气中去除，以防腐蚀管道。但Murdock说，利用大数据来消除制膜过程中的不确定性引出了另一个问题：“我们还可以将机器学习应用到哪些聚合物材料上，并为各种应用创造更好的材料？”

Benicewicz说，机器学习可以帮助科学家设计新的可以从煤炭中分离出温室气体的薄膜，这有助于缓解气候变化。

Kumar说，这项研究为材料设计开辟了一条新途径，你只需要寻找材料中最符合你需求的部分，而不是测试针对特殊应用的所有材料。当你把最好的材料结合起来，你就有机会设计出更好的材料。”

翻译：汪茹

审校：郝豪

引进来源：南卡莱罗纳大学

引进链接：https://phys.org/news/2020-05-big-synthetic-chemistry-climate-pollution.html

关注【深圳科普】微信公众号，在对话框：
回复【最新活动】，了解近期科普活动
回复【科普行】，了解最新深圳科普行活动
回复【研学营】，了解最新科普研学营
回复【科普课堂】，了解最新科普课堂
回复【科普书籍】，了解最新科普书籍
回复【团体定制】，了解最新团体定制活动
回复【科普基地】，了解深圳科普基地详情
回复【观鸟知识】，学习观鸟相关科普知识
回复【博物学院】，了解更多博物学院活动详情