Inorganic synthesis-structure maps in zeolites with machine learning and crystallographic distances

要約

ゼオライトは、その用途、合成条件、および結果として得られる多形の多様性で知られる無機材料です。
それらの合成は無機合成条件と有機合成条件の両方によって制御されますが、ゼオライト合成の計算機研究は主に有機テンプレートの設計に焦点を当ててきました。
この研究では、結晶構造間の強力な距離メトリックと機械学習 (ML) を使用して、ゼオライトの無機合成マップを作成します。
253 の既知のゼオライトから始めて、構成単位などのラベルを使用せずに、フレームワーク間の連続距離によって文献からの無機合成条件がどのように再現されるかを示します。
教師なし学習分析では、テンプレートベースのルートであっても、測定基準による隣接するゼオライトが類似の無機合成条件を共有することが多いことが示されています。
ML 分類器と組み合わせて、ゼオライトの 14 の一般的な無機条件 (Al、B、Be、Ca、Co、F、Ga、Ge、K、Mg、Na、P、Si、Zn) の合成構造関係を見つけます。
モデルの予測を説明することで、既知の構造に対する (相違) 類似性を合成空間の特徴としてどのように使用できるかを示します。
最後に、これらの方法を使用して、仮説データベース内の実現されていないフレームワークの無機合成条件を予測し、ゼオライトから局所的な構造パターンを抽出することで結果を解釈する方法を示します。
この作業をテンプレート設計と組み合わせることで、ゼオライトの合成条件の空間の探索を加速できます。

要約(オリジナル)

Zeolites are inorganic materials known for their diversity of applications, synthesis conditions, and resulting polymorphs. Although their synthesis is controlled both by inorganic and organic synthesis conditions, computational studies of zeolite synthesis have focused mostly on organic template design. In this work, we use a strong distance metric between crystal structures and machine learning (ML) to create inorganic synthesis maps in zeolites. Starting with 253 known zeolites, we show how the continuous distances between frameworks reproduce inorganic synthesis conditions from the literature without using labels such as building units. An unsupervised learning analysis shows that neighboring zeolites according to our metric often share similar inorganic synthesis conditions, even in template-based routes. In combination with ML classifiers, we find synthesis-structure relationships for 14 common inorganic conditions in zeolites, namely Al, B, Be, Ca, Co, F, Ga, Ge, K, Mg, Na, P, Si, and Zn. By explaining the model predictions, we demonstrate how (dis)similarities towards known structures can be used as features for the synthesis space. Finally, we show how these methods can be used to predict inorganic synthesis conditions for unrealized frameworks in hypothetical databases and interpret the outcomes by extracting local structural patterns from zeolites. In combination with template design, this work can accelerate the exploration of the space of synthesis conditions for zeolites.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google