AMR Account∣西安近代化学研究所刘英哲研究员团队:数据驱动的高能材料组合设计
近日,西安近代化学研究所刘英哲团队的AMR述评文章“Data-Driven Combinatorial Design of Highly Energetic Materials”在线发表。文章介绍了高能材料的理论设计方法,重点关注数据驱动的“骨架+基团”组合设计策略,并且指导合成了多个目标分子,同时展望了该领域的未来发展方向与挑战。
关键词:高能材料,数据驱动,组合设计
提出数据驱动的高能材料设计新范式,实现大样本量高能分子的高效设计。
1 文章内容简介
高能材料通常是指含有硝基等爆炸性基团,能够独立进行化学反应并快速释放大量化学能的物质。高能材料的设计可分为两种方式:一种是基于经验直觉设计;另一种是基于理论计算设计。经验设计主要依赖于科研人员的智慧,而理论设计则一般依照“骨架设计-基团键连-性能评估”的研究流程,利用量子化学计算等手段虚拟筛选出满足性能需求的目标分子。然而,由于现有骨架结构种类与新颖性的限制,使得该方法难以突破传统高能分子结构的构建认知。
我们团队长期致力于高能材料的理性设计方法研究,提出了数据驱动的高能分子组合设计思想,针对骨架结构获取方式的不同,分别构建了基于已知骨架、基于半已知骨架、基于未知骨架的系统设计方法,通过数据挖掘、高通量组合生成等策略,实现了千万量级的高能分子建模与性能评估,设计筛选出系列稠环、多环与笼型高能分子,并进一步指导实验成功合成出3种氧杂环丁烷类目标分子。
最后,我们还总结了高能材料分子设计在结构生成多样性、性能优化筛选方面所面临的难点与挑战,并展望了生成式模型、多目标优化等前沿方法的应用前景,期望人工智能技术能为未来的理论设计研究提供有益启发。
2 AMR:您对该领域的发展有何愿景?
作者团队:
进入二十一世纪以来,量子化学、计算科学、人工智能等技术飞速发展,极大提升了新材料的发现效率。高能材料作为国家战略性资源,是国防实力持续提升的物质保障。因此,我们希望通过交叉融合人工智能技术与高能材料相关领域知识,以数据、模型为抓手,探索发现更多满足国家战略需求的新型高能材料。
3 AMR:请和大家分享下科研心得!
作者团队:
大家在树立远大理想之时,应不忘持续深化对基础理论的理解与掌握,同时保持对前沿技术的长期关注,以确保在不断变化的科技发展中保持强劲的竞争力。最后,仰望星空,脚踏实地,以坚定不屈的精神迎接每一个挑战,不断前行。
作者团队简介
刘英哲:西安近代化学研究所研究员,博士生导师,主要从事高能材料理论设计方法研究。
汪营磊:西安近代化学研究所研究员,博士生导师,主要从事含能功能材料设计、合成及应用研究。
文琳元:西安近代化学研究所助理研究员,主要从事高能材料理论设计方法研究。
扫码阅读刘英哲研究员团队的精彩Account文章:
Data-Driven Combinatorial Design of Highly Energetic Materials
Linyuan Wen, Yinglei Wang*, and Yingzhe Liu*
原文链接:
https://pubs.acs.org/doi/10.1021/accountsmr.4c00230
投稿指南目前Accounts of Materials Research的投稿主要基于编辑团队的邀请。如您有意投稿,请先按照Author Guidelines的要求准备并投递proposal, 编辑团队会对您的proposal进行评审。如果proposal被接受,我们将向您发送投稿邀请。扫码阅读作者指南,下载proposal form:
转载本文请联系原作者获取授权,同时请注明本文来自材料研究述评(英文)科学网博客。
链接地址:https://wap.sciencenet.cn/blog-3529677-1461727.html?mobile=1
收藏