近日，化学化工学院汪骋教授课题组、廖洪钢教授课题组与数学科学学院周达副教授课题组在利用机器学习指导金属有机框架(MOF)的形貌调控方面取得重要进展，相关研究成果以“Machine Learning-Guided Morphology Engineering of Nanoscale Metal-Organic Frameworks”为题发表于Cell出版社旗下的Matter期刊。
纳米晶体的形貌工程是纳米科学的中心任务之一。由于结晶动力学的复杂性及合成变量空间的高维性，纳米晶体可控的形貌设计仍充满挑战。机器学习可以进行高维变量空间的数据挖掘，为解决这一挑战带来了新的机遇。在这项工作中，汪骋等人利用机器学习来指导纳米金属有机框架纳米材料(nMOFs)的形貌调控。首先，他们利用“决策树”算法分析了不同合成条件下的物相和形貌，在众多合成参数中提取出水和甲酸的浓度两个变量，再用“随机森林”方法确定了nMOFs形貌和试验条件的对应关系——“相区”。此外，为了更快地对纳米薄片进行测量、总结制备规律，他们还利用图像识别中的Mask-RCNN算法对 >1500张扫描电镜图像进行分析，自动测量了其厚度与长度的分布，从而找到合成“金属有机单层”(MOL)的条件。原位液体电镜和质谱分析显示，合成溶液中两种孤立金属氧簇节点间的平衡与所生成MOF的物相和形貌高度相关。基于对“相区”的认识，他们设计出不同的分步合成序列成功获得了更多种形貌的MOF材料（如六边形纳米片、八面体、凹八面体、中空八面体及截角八面体等），并将其用于烯烃加氢的催化反应。
该工作一经发表便立刻引起广大学者的关注，科学网以“直觉变数据，机器学习让材料合成开挂”予以报道。化学化工学院博士研究生陈培灿为论文第一作者，已毕业硕士研究生曾中铭和数学科学学院硕士研究生唐泽昱参与了机器学习的研究，化学化工学院已毕业本科生刘祎（拔尖计划）、钱旭东参与了合成工作。该工作得到国家自然科学基金（批准号：21671162、11971405、21721001）和科技部重点研发计划（批准号：2016YFA0200702）资助。
论文链接：
科学网报道：
（化学化工学院）
责任编辑：曹熠婕
