PCN-224(Zr)

机器学习框架加速新型光催化剂的发现

研究人员开发了 MatCreatioNN，这是一个旨在加速用于环境应用的光催化剂发现的机器学习框架。该系统结合了用于生成金属有机框架 (MOF) 候选物的强化学习和多阶段晶体图卷积神经网络 (CGCNN)，以预测最佳的电子和结构特征。该框架筛选了 120,000 个 MOF 候选物，确定了两个有希望的候选物，其预测的光催化性能显著高于现有基准。这些发现表明，数据驱动的方法可以加速用于环境和能源转化的高效耐用光催化剂的开发。