机器学习开启了有机化学研究的预测能力

机器学习开启了有机化学研究的预测能力有机化学即对碳基分子的研究,不仅是生物体科学的基础,而且对许多当前和未来的技术至关重要,如有机发光二极管(OLED)显示器。了解一种材料分子的电子结构是预测该材料化学特性的关键。在东京大学工业科学研究所的研究人员最近发表的一项研究中,开发了一种机器学习算法来预测有机分子内的状态密度,即电子在材料分子内的基态所能占据的能级数量。这些基于光谱数据的预测对有机化学家和材料科学家分析碳基分子时有很大帮助。东京大学工业科学研究所的研究人员使用人工智能来帮助解释材料科学光谱实验产生的数据,这可以帮助开发新的药物和有机导体。资料来源:东京大学工业科学研究所通常用来寻找状态密度的实验技术可能很难解释。被称为核心损失光谱的方法尤其如此,它结合了能量损失近边缘光谱(ELNES)和X射线吸收近边缘结构(XANES)。这些方法在材料样品上照射一束电子或X射线;由此产生的电子散射和对材料分子发射的能量的测量使得感兴趣的分子的状态密度可以被测量。然而,光谱所具有的信息只是在激发分子的电子缺失(未被占据)状态。为了解决这个问题,东京大学工业科学研究所的团队训练了一个神经网络机器学习模型来分析核心损耗光谱数据并预测电子状态的密度。首先,通过计算超过22000个分子的状态密度和相应的核损光谱,构建了一个数据库。他们还添加了一些模拟的噪声。然后,在核损光谱上对该算法进行了训练,并对其进行了优化,以预测基态下占位和非占位状态的正确密度。"我们试图用一个由较小分子训练的模型来推断对较大分子的预测。我们发现通过排除微小的分子可以提高准确性,"主要作者Po-YenChen解释说。该团队还发现,通过使用平滑预处理和向数据添加特定的噪声,可以改善对状态密度的预测,这可以加速预测模型在真实数据上的应用。高级作者TeruyasuMizoguchi说:"我们的工作可以帮助研究人员了解分子的材料特性,并加速功能分子的设计。这可以包括药品和其他令人兴奋的化合物。"...PC版:https://www.cnbeta.com.tw/articles/soft/1360317.htm手机版:https://m.cnbeta.com.tw/view/1360317.htm

相关推荐

封面图片

中国有机化学家陈庆云逝世 享年94岁

中国有机化学家陈庆云逝世享年94岁中国著名有机化学家、中国科学院上海有机化学研究所研究员陈庆云星期四(3月2日)逝世,享年94岁。据澎湃新闻报道,中国科学院上海有机化学研究所星期五(3月3日)在讣告中写道,陈庆云先生是中国有机氟化学开拓者之一,为中国氟化学、氟工业的发展和人才培养做出了重要贡献。陈庆云出生于1929年1月,1952年毕业于北京大学化学系,同年参加工作。他在1956年至1960年在苏联科学院元素有机化合物研究所作研究生,获副博士学位;1963年起在中科院上海有机化学研究所工作;1993年当选为中国科学院院士。据中科院官网介绍,陈庆云长期从事有机氟化学和氟材料的研究工作,对六氟丙酮的反应作了开创性研究。他系统地研究全氟磺酸的化学,发现许多的特殊性质和反应,如全氟磺酸全氟烷基酯在与亲核试剂反应时,只发生硫氧键断裂,为全氟烷烃不能发生双分子亲核取代反应这一规律首次提供例证。陈庆云另一项主要工作,是系统地研究了全氟碘代烷的单电子转移反应。这一研究工作不仅为有机氟化物的合成提供了多种有效途径,而且更重要的是将当代有机化学最重要理论之一——单电子转移反应,引入并发展了氟化学。

封面图片

研究人员发现一种具有类似大脑学习能力的材料

研究人员发现一种具有类似大脑学习能力的材料瑞士洛桑联邦理工学院(EPFL)电力与宽带隙电子研究实验室(POWERlab)的博士生MohammadSamizadehNikoo在研究二氧化钒的相变期间,有了一个意外的发现。当在室温下时,二氧化硅有一个绝缘相,并在68℃时经历一个尖锐的绝缘体到金属的转变,其晶格结构发生变化。根据SamizadehNikoo的说法,二氧化硅有一种不稳定的“记忆”。"材料在移除激发后会立即恢复到绝缘状态"。他开始为他的论文寻找二氧化钒从一种状态转变为另一种状态需要多长时间。然而,他的调查出现了不同的变化:在收集了数百个测量数据后,他发现了材料结构中的“记忆效应”。在他的实验中,SamizadehNikoo向一个二氧化硅样品施加了电流。他解释说:“电流在材料上移动,沿着一条路径,直到它在另一侧退出。当电流加热样品时,二氧化硅的状态发生了变化。在电流消失后,该材料又回到了原来的状态。”SamizadehNikoo随后向该材料提供了第二个电流脉冲,并发现它改变状态的时间与该材料的历史密切相关。“二氧化钒似乎‘记住’了第一次相变,并预测下一次相变,”POWERlab的负责人ElisonMatioli教授解释说。“我们没有想到会看到这种记忆效应,而且它与电子状态无关,而是与材料的物理结构有关。这是一个新的发现:没有其他材料以这种方式表现出来。”研究人员发现,二氧化钒可能会回忆其最近的外部刺激,时间长达3小时。Matioli说:“事实上,记忆效应可能持续数天,但我们目前没有测量这种效应所需的仪器。”研究小组的这一发现具有重要意义,因为所发现的记忆效应是材料本身的一个固有属性。工程师们依靠记忆来完成各种计算,而可能通过提高容量、速度和小型化来改善计算过程的材料是非常需要的。二氧化钒能满足所有这三个条件。此外,其连续的、结构性的记忆使其区别于典型的材料,后者将数据存储为二进制信息,取决于对电状态的操作。研究人员进行了大量的测量以得出他们的结论。他们还通过将新方法应用于世界各地其他实验室的不同材料来证实他们的结果。这一发现很好地复制了大脑中发生的情况,因为二氧化钒“开关”的作用就像神经元。PC版:https://www.cnbeta.com/articles/soft/1312791.htm手机版:https://m.cnbeta.com/view/1312791.htm

封面图片

碳原子在星际冰粒上扩散形成复杂的有机化合物

碳原子在星际冰粒上扩散形成复杂的有机化合物星际冰上有机化合物形成的艺术描绘。资料来源:MasashiTsuge北海道大学的研究人员与日本东京大学的同事合作,在《自然-天文学》(NatureAstronomy)杂志上报告了基于实验室的关于碳原子在星际冰粒上的核心作用的新见解。太空中一些最复杂的有机分子被认为是在星际冰粒表面以极低的温度生成的。据了解,适合这种用途的冰粒在宇宙中比比皆是。所有有机分子都是以碳原子结合的骨架为基础的。大多数碳原子最初是通过恒星中的核聚变反应形成的,当恒星在超新星爆炸中死亡时,碳原子最终分散到星际空间。但是,要形成复杂的有机分子,碳原子需要一种机制来聚集在冰粒表面,遇到伙伴原子并与它们形成化学键。新研究提出了一种可行的机制。在30开尔文(零下243摄氏度/零下405.4华氏度)以上,碳原子扩散并结合在一起,形成二原子碳C2。资料来源:MasashiTsuge等人,《自然-天文学》。2023年9月14日北海道大学低温科学研究所的化学家MasashiTsuge说:"在我们的研究中,我们在实验室中再现了可行的星际条件,能够探测到弱结合碳原子在冰粒表面扩散反应并生成C2分子。C2也被称为双原子碳,是两个碳原子结合在一起的分子;它的形成是星际冰粒上存在扩散碳原子的具体证据。"研究发现,这种扩散可在30开尔文(零下243摄氏度/零上405.4华氏度)以上的温度下发生,而在太空中,只需22开尔文(零下251摄氏度/零上419.8华氏度)就能激活碳原子的扩散。论文第一作者兼通讯作者柘植雅志(左)与合著者渡边直树(右)。资料来源:MasashiTsuge柘植说,这些发现将一个以前被忽视的化学过程纳入了解释框架,即如何通过不断添加碳原子来构建更复杂的有机分子。他认为,这些过程可能发生在恒星周围的原行星盘中,行星就是从这些原行星盘中形成的。所需的条件也可以在所谓的半透明云中形成,最终演变成恒星形成区。这也可以解释地球上可能孕育生命的化学物质的起源。除了生命起源的问题之外,这项研究还为可能已经并可能仍然在整个宇宙中构建碳基化学的各种化学反应增添了一个基本的新过程。作者还总结了目前对太空中复杂有机化学物质形成的更普遍的理解,并考虑了由扩散的碳原子驱动的反应可能会如何改变目前的情况。...PC版:https://www.cnbeta.com.tw/articles/soft/1384885.htm手机版:https://m.cnbeta.com.tw/view/1384885.htm

封面图片

研究人员解决了量子信息传输的基础问题:在超小范围内构建通信能力

研究人员解决了量子信息传输的基础问题:在超小范围内构建通信能力东京大学工业科学研究所的研究人员解决了量子信息传输中的一个基础性问题,这将极大地提高集成电路和量子计算的实用性。资料来源:东京大学工业科学研究所现在,在最近发表于《物理评论快报》上的一项研究中,东京大学工业科学研究所的研究人员正在解决这个问题:他们开发了一种新技术,可以在几十到一百微米的范围内传输量子信息。这一进展可以改善即将问世的量子电子产品的功能。研究人员如何在同一量子计算机芯片上将量子信息从一个量子点传输到另一个量子点?一种方法可能是将电子(物质)信息转换成光(电磁波)信息:通过产生光-物质混合态。之前的工作与量子信息处理的单电子需求不符。改进高速量子信息传输方式,使其在设计上更加灵活,并与现有的半导体制造工具兼容,是研究小组的研究目标。"在我们的工作中,我们将量子点中的几个电子耦合到一个称为太赫兹分环谐振器的电路中,"该研究的第一作者黑山和之解释说。"这种设计非常简单,适合大规模集成。"以往的工作都是基于谐振器与数千到数万个电子集合的耦合。事实上,耦合强度是基于这个电子群的大尺寸。相比之下,本系统只限制了几个电子,适合量子信息处理。然而,电子和太赫兹电磁波都被限制在一个超小区域内。因此,耦合强度与多电子系统相当。资深作者KazuhikoHirakawa说:"我们很兴奋,因为我们利用先进纳米技术中普遍存在的结构--这些结构通常被集成到半导体制造中--来帮助解决一个实际的量子信息传输问题。我们还期待着将我们的发现应用于理解光电子耦合态的基础物理学。"这项工作在解决之前量子信息传输中的一个棘手问题上迈出了重要一步,因为该问题限制了实验室研究成果的应用。此外,这种光物质相互转换被认为是基于半导体量子点的大规模量子计算机的基本架构之一。由于研究人员的成果是基于半导体制造中常见的材料和程序,因此实际应用应该很简单。编译自:ScitechDaily...PC版:https://www.cnbeta.com.tw/articles/soft/1426161.htm手机版:https://m.cnbeta.com.tw/view/1426161.htm

封面图片

科学家展示了通过对多铁性材料施加应变来控制磁化方向的能力

科学家展示了通过对多铁性材料施加应变来控制磁化方向的能力用低电场引导磁化对于推动有效的自旋电子器件至关重要。在自旋电子学中,电子自旋或磁矩的特性被用于信息存储。通过应变改变轨道磁矩,就有可能操纵电子自旋,从而增强磁电效应,实现卓越性能。东京大学的JunOkabayashi等日本研究人员揭示了界面多铁氧体中的应变诱导轨道控制机制。在多铁氧体材料中,磁性可以通过电场来控制--这有可能带来高效的自旋电子器件。Okabayashi及其同事研究的界面多铁氧体由铁磁材料和压电材料之间的结点组成。材料的磁化方向可以通过施加电压来控制。界面多铁性结构和磁化方向控制。资料来源:TakamasaUsami研究小组展示了材料中大磁电效应的微观起源。压电材料产生的应变可以改变铁磁材料的轨道磁矩。他们利用可逆应变揭示了界面多铁磁性材料中特定元素的轨道控制,并为设计具有大磁电效应的材料提供了指导。这些发现将有助于开发耗电更少的新型信息书写技术。这项研究得到了日本学术振兴会、日本科学技术振兴机构、日本自旋电子研究网络和矢崎科学技术纪念基金会的资助。编译来源:ScitechDaily...PC版:https://www.cnbeta.com.tw/articles/soft/1419501.htm手机版:https://m.cnbeta.com.tw/view/1419501.htm

封面图片

革新有机金属化学:21电子茂金属"三明治"

革新有机金属化学:21电子茂金属"三明治"新合成的21电子茂金属化合物的晶体结构,显示氮原子(蓝色)、钴原子(红色)、氢原子(绿色)和碳原子(灰色)。资料来源:Takebayashi等人,2023年有机金属化合物是由金属原子和有机分子组成的分子,通常用于加速化学反应,在推动化学领域的发展方面发挥了重要作用。茂金属是一种有机金属化合物,因其多功能性和特殊的"三明治"结构而闻名。茂金属的发现是对有机金属化学领域的重大贡献,因此1973年诺贝尔化学奖授予了发现并解释其夹层结构的科学家。茂金属之所以用途广泛,是因为它们能够"夹心"多种不同元素,形成各种化合物。它们可用于各种用途,包括生产聚合物、用于测量血液中葡萄糖含量的血糖仪、过氧化物太阳能电池,还可用作催化剂(一种可提高化学反应速率而不被反应本身消耗或改变的物质)。茂金属化合物、其电子数和应用举例。资料来源:Takebayashi等人,2023年茂金属的化学结构可以容纳多种电子数,从而形成多达20个电子的复合物。不过,18电子结构最受欢迎,因为它是最稳定的结构。"众所周知,拥有超过18个电子的情况很少见,因为如果偏离18个电子,茂金属的化学键就会开始拉长、断裂并改变结构。然而,我们在19个电子的茂金属上增加了两个电子,从而创造出了21个电子的茂金属。"Takebayashi博士解释说:"我想大多数人都认为这是不可能的,但我们的21电子茂金属在溶液和固体状态下都很稳定,可以长期保存。"有了这种新的茂金属,我们就有可能创造出新型材料,应用于医药、催化和能源领域,帮助解决重要的全球性问题,提高我们的生活质量。研究中的挑战与合作由于茂金属的夹层结构很容易被改变,因此研究中最具挑战性的部分是科学家们要证明氮已成功地与钴结合,而不会改变夹层结构。他们必须严格证明茂金属与所有相邻碳原子都正确结合,并且氮原子与钴原子相连。为此,Takebayashi博士组织了一支由不同专业的研究人员组成的强大团队,并明确证明了所有元素都结合良好。展望未来,Takebayashi博士未来的研究重点是将21电子茂金属用于催化和材料科学等更适用的科学领域,以及在此基础上发现前所未有的有机金属化学。...PC版:https://www.cnbeta.com.tw/articles/soft/1381773.htm手机版:https://m.cnbeta.com.tw/view/1381773.htm

🔍 发送关键词来寻找群组、频道或视频。

启动SOSO机器人