Daripada reka bentuk bahan dan sintesis kepada inovasi pemangkin dan neutraliti karbon, pasukan Tsinghua Wang Xiaonan meneroka sempadan dan pelaksanaan "bahan AI+"

Pengarang |. Wang Xiaonan, Universiti Tsinghua

Editor |. Daripada storan tenaga kepada teknologi maklumat kepada bioperubatan, reka bentuk, sintesis dan pencirian kefungsian bahan-bahan inovatif adalah asas kejayaan dalam bidang ini. Penyelidikan dan pembangunan bahan baharu telah menunjukkan trend kejayaan dalam banyak bidang. Dari segi penyimpanan tenaga, penyelidik sedang berusaha untuk membangunkan bahan bateri yang lebih cekap dan selamat untuk memenuhi keperluan penyimpanan tenaga boleh diperbaharui. Pada masa yang sama, kemajuan teknologi maklumat juga telah mendorong saintis bahan untuk

Dengan kemajuan berterusan teknologi kecerdasan buatan (AI), aplikasinya dalam penyelidikan bahan baharu telah membuka paradigma penyelidikan baharu dan menjadi daya produktif baharu yang mengatasi model P&P tradisional. Terutamanya dalam proses reka bentuk bahan, sintesis dan pencirian, bantuan AI telah meningkatkan kecekapan dan ketepatan penyelidikan.

"Pergi ke Tsinghua pada usia 17 tahun, bekerja sebagai penyelia kedoktoran pada usia 27 tahun, kembali ke Tsinghua pada usia 30 tahun, seorang dewi penyelidikan saintifik pasca 90-an, dipilih ke dalam Global Scholars Lifetime 2023 Senarai Pengaruh Akademik..." Ini adalah resume legenda guru Wang Xiaonan dari Universiti Tsinghua.

Pasukan yang dipimpinnya komited untuk penyelidikan merentas disiplin tentang pembangunan dan aplikasi bahan dipercepatkan AI, reka bentuk pemangkin, tenaga baharu dan teknologi rendah karbon.

Dalam beberapa tahun kebelakangan ini, penyelidikan mengenai tenaga baharu dan teknologi dan sistem rendah karbon yang canggih telah dijalankan di sekitar mata pelajaran antara disiplin seperti AI+tenaga, industri kimia dan bahan baharu alam sekitar, untuk meningkatkan kecekapan keseluruhan dan ekonomi tenaga dan sistem sumber daripada perspektif penyepaduan sistem berbilang skala, dan untuk membantu sasaran Dua karbon.

Dari segi penyelidikan dan aplikasi bahan dipercepatkan AI, terdapat satu siri kertas yang dipetik tinggi dan keluaran perisian algoritma dalam bidang seperti sistem tenaga baharu dan model pintar industri kimia.

Dalam era AI dengan letupan model besar, "GPT Bahan Kimia" sedang dijalankan Wang Xiaonan berkata bahawa penyelidikan model asas adalah perkara jangka panjang, "Biar model besar dilaksanakan, pergi jauh ke dalam bidang. sains dan kejuruteraan, dan cari objek aplikasi yang sesuai." , senario pendaratan, era penyepaduan model besar dan kecil telah tiba. "

Projek segera membenamkan pengetahuan domain menggalakkan penerapan LLM dalam bidang saintifik

Pasukan Wang Xiaonan telah lama memberi perhatian kepada aplikasi menegak AI generatif, terutamanya model bahasa besar LLM) dalam bidang saintifik.

Pada masa ini, model bahasa besar telah membuktikan potensi besar mereka dalam memproses dan menganalisis set data berskala besar dalam pelbagai bidang umum. Walau bagaimanapun, model ini selalunya memerlukan penalaan lebih halus untuk mencapai hasil yang optimum apabila berhadapan dengan kerumitan domain menegak tertentu.

Kejuruteraan segera merujuk kepada mengoptimumkan dan membimbing keluaran model bahasa besar melalui gesaan atau pernyataan panduan yang direka dengan teliti, supaya mereka boleh menyesuaikan diri dengan lebih baik dan menangani masalah dalam bidang tertentu.

Baru-baru ini, pasukan Wang Xiaonan membangunkan kaedah kejuruteraan petunjuk untuk meningkatkan prestasinya dalam bidang saintifik dengan menyepadukan pengetahuan domain kimia dalam model bahasa besar.

Ilustrasi: Carta alir algoritma kejuruteraan segera yang membenamkan pengetahuan dalam bidang kimia.

Kajian ini mula-mula mencipta set data ujian kejuruteraan isyarat yang ditanda aras yang merangkumi sifat fizikokimia kompleks molekul kecil, ketersediaan ubat dan sifat fungsi enzim dan bahan kristal untuk menyerlahkan kaitan dan aplikasinya dalam biologi dan kimia. Pada masa yang sama, kaedah kejuruteraan segera terbenam pengetahuan domain dicadangkan dengan menggabungkan beberapa heuristik kejuruteraan segera (heuristik Kaedah ini lebih baik daripada strategi kejuruteraan segera tradisional dalam pelbagai metrik).

Selain itu, pasukan menunjukkan keberkesanan pendekatan melalui kajian kes ke atas bahan kompleks seperti pemangkin MacMillan, paclitaxel dan litium kobalt oksida, yang menonjolkan peranan model bahasa besar yang dilengkapi dengan kejuruteraan segera khusus domain untuk penemuan saintifik dan inovasi alat yang berkuasa.

Penyelidikan berkaitan bertajuk "Mengintegrasikan Pengetahuan Kimia dalam Model Bahasa Besar melalui Kejuruteraan Pantas" dan diterbitkan pada platform pracetak arXiv pada 22 April 2024.

Pautan kertas: https://arxiv.org/pdf/2404.14467

Teknologi probe robot atom pintar,

boleh mengeluarkan bahan kuantum dengan ketepatan atom dengan cekap

Baru-baru ini, teknologi probe robot atom pintar yang dibangunkan bersama oleh pasukan Wang Xiaonan dan Profesor Madya Lu Jiong dan Chun Zhang dari Universiti Nasional Singapura memberikan demonstrasi tipikal perubahan paradigma ini. Dengan menggabungkan AI dengan teknologi kimia probe, sintesis tepat atom bahan kuantum berasaskan karbon telah dicapai.

Ilustrasi: Probe robotik atom yang boleh menghasilkan bahan kuantum organik dengan tepat pada tahap molekul tunggal.

Kerja ini mencadangkan sistem konseptual Chemist Intuitive Atom Robot Probe (CARP) untuk menyediakan dan mencirikan nanographene magnetik kulit terbuka pada tahap molekul tunggal untuk merealisasikan topologi elektronik π dan konfigurasi putaran Dibina dengan ketepatan.

CARP didorong oleh satu siri rangkaian neural dalam yang dilatih oleh pengalaman dan pengetahuan ahli kimia permukaan, yang boleh merealisasikan sintesis bebas bahan molekul dan memperoleh maklumat tersembunyi yang berharga daripada pangkalan data latihan eksperimen, memberikan pemahaman menyeluruh tentang siasatan. mekanisme tindak balas kimia. Simulasi teori memberikan sokongan penting.

Penyelidikan berkaitan bertajuk "Sintesis pintar nanographenes magnet melalui probe robotik atom intuisi kimia" dan diterbitkan dalam "Sintesis Alam" pada 29 Februari 2024.

Pautan kertas: https://www.nature.com/articles/s44160-024-00488-7

Profesor Michael Gottfried dari Universiti Marburg di Jerman menulis "Kimia molekul tunggal dengan robot pintar" pada masa yang sama, sangat Kerja ini dinilai sebagai contoh utama gabungan AI dan nanoteknologi.

「Terserlah sebagai contoh perintis, mempamerkan kemajuan yang luar biasa dalam mengawal molekul pada had ikatan kimia tunggal.」

Penyelidikan ini bukan sahaja mengatasi selektiviti tindak balas yang lemah dan kecekapan pengeluaran yang rendah dalam sintesis permukaan tradisional masalah, dan mengubah proses kimia yang kompleks melalui rangkaian saraf dalam, membolehkan ketepatan sintetik operasi molekul tunggal mencapai tahap yang tidak pernah berlaku sebelum ini.

Pembelajaran aktif digabungkan dengan pengiraan prinsip pertama untuk penyaringan dan reka bentuk pemangkin

Dalam beberapa tahun kebelakangan ini, pasukan Wang Xiaonan telah mewujudkan satu siri rangka kerja pembelajaran mesin untuk penilaian reka bentuk, sintesis dan pencirian bahan kimia berdasarkan aktif strategi pembelajaran, model penapisan pemangkin Fluks peringkat tinggi dan pengoptimuman serentak parameter proses untuk mencapai pengoptimuman reka bentuk tepat berbilang skala. Untuk menangani masalah sukar untuk menyepadukan data dan pengetahuan yang kompleks dari peringkat atom ke peringkat makro, kembar digital berbilang skala dan sistem bersambung pintar rendah karbon diwujudkan.

Sebagai tambahan kepada penemuan yang disebutkan di atas dalam penyelidikan asas, satu siri aplikasi penting untuk medan perang utama ekonomi negara juga telah dibangunkan.

Dalam reka bentuk pemangkin untuk penghidrogenan terpilih alkuna karbon rendah, kami bekerjasama dengan pasukan Profesor Duan Xuezhi dari Universiti Sains dan Teknologi China Timur untuk mencapai kawalan tepat struktur tapak aktif Ni pada skala atom, yang bukan sahaja menyediakan strategi kawalan arah untuk laluan tindak balas sasaran, tetapi juga Menggalakkan penggunaan meluas pemangkin logam bukan berharga dalam industri petrokimia.

Pasukan penyelidik mencadangkan kaedah penyelidikan yang menggabungkan rangka kerja pembelajaran aktif berdasarkan pengoptimuman Bayesian dengan pengiraan DFT, menggunakan perbezaan halangan tenaga antara penyahsorpsian etilena dan penghidrogenan selanjutnya sebagai deskriptor selektiviti untuk membina aliran kerja pemangkin automatik untuk penyaringan throughput tinggi untuk meramalkan sebatian intermetalik berasaskan Ni berprestasi tinggi untuk penghidrogenan terpilih asetilena.

Seterusnya, 15 sebatian intermetalik berasaskan Ni berprestasi tinggi telah disaring dengan cepat daripada lebih daripada 3000 calon sebatian antara logam berasaskan Ni sebagai pemangkin penghidrogenan alkuna yang berpotensi digunakan untuk mengesahkan lagi ketepatan ramalan model ML, dan yang terakhir penentuan Pemangkin NiIn yang disyorkan telah dikenal pasti sebagai pemangkin calon optimum untuk pengesahan eksperimen selanjutnya.

Penilaian prestasi tindak balas pemangkin menunjukkan bahawa: apabila kadar penukaran asetilena dan propina bagi pemangkin sebatian antara logam NiIn ialah 100%, selektiviti etilena dan propilena adalah setinggi 97.0%, yang jauh lebih tinggi daripada pemangkin rujukan, menunjukkan peranan kecerdasan buatan dalam reka bentuk pemangkin Potensi besar.

Keputusan berkaitan diterbitkan dalam talian dalam Journal of the American Chemical Society di bawah tajuk "Reka Bentuk Atom Pemangkin Semihidrogenasi Alkyne melalui Pembelajaran Aktif Satu siri pemangkin yang ditemui juga sedang ditingkatkan secara industri".

Ilustrasi: Reka bentuk penapisan Catalyst berdasarkan rangka kerja pembelajaran aktif pengoptimuman Bayesian digabungkan dengan pengiraan DFT.

Pautan kertas: https://pubs.acs.org/doi/full/10.1021/jacs.3c14495

AI+Carbon Neutrality: Mempercepatkan pembangunan biochar berprestasi tinggi dan meningkatkan COcaptureCO₎ kapasiti

Pasukan Wang Xiaonan telah lama memberi perhatian kepada bidang netraliti karbon AI+Dari segi penyelidikan mengenai penangkapan karbon dioksida menggunakan biochar yang diperolehi daripada sisa biojisim, ia telah mencipta bersama Projek Pengurusan Sisa Lestari Pacific Rim University. dengan rakan usaha sama pelbagai negara dan membangunkan teknologi Rendah karbon, sifar karbon dan karbon-negatif mengurangkan perubahan iklim sambil menggalakkan pengurusan sisa yang mampan.

Memandangkan cabaran proses sintesis biochar tradisional yang memakan masa, susah payah dan kurang ketepatan, pasukan Wang Xiaonan mereka bentuk strategi pembelajaran aktif tersuai yang boleh membimbing dan mempercepatkan sintesis biochar dan meningkatkan keupayaannya untuk menyerap karbon dioksida.

Rangka kerja ini mempelajari data percubaan, mengesyorkan parameter sintesis terbaik, mengesahkan kesan pembelajaran melalui eksperimen dan secara berulang menggunakan data eksperimen untuk latihan dan pengesahan semula model seterusnya, dengan itu mewujudkan gelung tertutup yang lengkap.

Pasukan penyelidik akhirnya mensintesis 16 sampel biochar kejuruteraan dengan sifat khusus, hampir menggandakan jumlah karbon dioksida yang diserap dalam pusingan akhir. Kajian ini menunjukkan aliran kerja dipacu data yang mempercepatkan pembangunan bahan biochar kejuruteraan berprestasi tinggi.

Hasil yang berkaitan telah diterbitkan dalam jurnal alam sekitar yang berwibawa "Sains & Teknologi Alam Sekitar" di bawah tajuk "Sintesis Berpandu Berasaskan Pembelajaran Aktif Biochar Kejuruteraan untuk Tangkapan CO₂" dan dipilih sebagai kertas muka depan.

Ilustrasi: Proses pembangunan gelung tertutup dipacu data untuk bahan tangkapan CO₂.

Pautan kertas: https://pubs.acs.org/doi/full/10.1021/acs.est.3c10922

membuka ruang baharu untuk penerokaan saintifik dan menyediakan sokongan padu untuk aplikasi praktikal

Siri penyelidikan ini kerja telah Kami telah menerima sokongan daripada projek seperti "Projek Sains dan Teknologi Utama Kebangsaan Kecerdasan Buatan Generasi Baharu" yang mana Profesor Wang Xiaonan berkhidmat sebagai ketua projek dan ketua saintis.

Hasil yang berkaitan bukan sahaja membuka ruang baharu untuk penerokaan saintifik, tetapi juga menyediakan sokongan padu untuk aplikasi praktikal, terutamanya menunjukkan potensi besar dalam menggalakkan pembangunan mampan dan bertindak balas terhadap isu global.

Dengan kemajuan pesat teknologi AI, prospek aplikasinya dalam kejuruteraan kimia pintar, pembangunan bahan baharu, teknologi tenaga baharu dan bidang lain adalah sangat luas, dan akan menghasilkan hasil yang lebih inovatif.

Atas ialah kandungan terperinci Daripada reka bentuk bahan dan sintesis kepada inovasi pemangkin dan neutraliti karbon, pasukan Tsinghua Wang Xiaonan meneroka sempadan dan pelaksanaan "bahan AI+". Untuk maklumat lanjut, sila ikut artikel berkaitan lain di laman web China PHP!