Laboratuvarda hangi MOF'ların gerçekten yapılabileceğini tahmin etmek için makine öğrenimi Metal-organik çerçeveler (MOF'lar), şimdiye kadar yaratılmış en ayarlanabilir malzemelerden biridir—metal düğümlerden ve organik bağlayıcılardan monte edilmiş gözenekli kristaller; gaz depolamadan katalize kadar uygulamalara sahiptir. Hesaplamalı olarak, trilyonlarca olası yapı üretebiliriz. Sorun şu ki, neredeyse hiçbiri sentezlenmiyor. Bugüne kadar yayımlanan binlerce MOF taramasından sadece yaklaşık bir düzine tane gerçek laboratuvar sentezine yol açtı ve yine de kimyagerler, hesaplama açısından optimal olanlar yerine bilinen yapılara benzeyen "güvenli" tasarımları tercih etme eğilimindedir. Andre Niyongabo Rubungo ve ortak yazarları bu darboğazı üç bileşenle ele alıyor: (1) MOFMinE, 65.000 yapıdan oluşan bir alt küme için simüle edilmiş sürün enerjileri ve serbest enerjilere sahip yaklaşık bir milyon MOF'tan oluşan yeni küratörlük veri seti; (2) MOFSeq, hem yerel özellikleri (yapı taşlarının GÜLÜMSEMELERI) hem de küresel özellikleri (topoloji ve bağlantı) kodlayan bir dizi temsili; ve (3) LLM-Prop, bol gerilme enerjisi verileriyle önceden eğitilmiş, ardından daha pahalı serbest enerji hesaplamalarında ince ayar edilmiş 35 milyon parametreli bir dil modeli. Sonuçlar çarpıcı: ortalama mutlak hata, 0.789 kJ/mol, sentezlenebilirliği tahmin etmekte %97 doğruluk ve rakip yapılar arasında doğru polimorf seçilmede %78 doğruluk. İki polimorf sadece 0.16 kJ/mol fark etse bile, model yine de %60'ında doğru olanı seçer. Demek pratik: bir zamanlar moleküler simülasyonun günlerce gerektirdiği şey şimdi bir sinir ağı üzerinden ileriye doğru ilerleyecek. Bu, tahmini sentezlenebilirlikle hesaplamalı MOF'u taramalarını rutin olarak filtrelemeye olanak tanır—deneycilerin "sezgili" tasarımların ötesine kimyasal uzayın keşfedilmemiş bölgelerine girmesine olanak tanırken, bilgisayarda iyi görünenlerin laboratuvarda yapılabilme olasılığını artırır. Makale: