克日，，质料基因院孙强教授课题组揭晓最新论文，，展示了使用机械学习手艺展望有机分子在金属外貌的自组装结构，，研究效果揭晓于《ACS Nano》（最新影响因子：17.1），，论文问题为“Predicting molecular self-assembly on metal surfaces using graph neural networks based on experimental datasets”。。 。。。。
分子在外貌的自组装是构建具有特殊性能的超分子纳米结构的一种常用要领，，由于其普遍的主要性，，分子自组装在已往几十年中受到了普遍的关注。。 。。。。迄今为止，，将实验与量子力学或分子动力学要领相连系是探索分子自组装结构的主要要领，，然而这通常需要破费大宗的时间和精神。。 。。。。一样平常来说，，自组装模式由分子和情形的固有性子决议。。 。。。。由于分子官能团的重大性及其与外貌的相互作用，，展望分子在金属外貌的自组装结构仍然是一个重大的挑战。。 。。。。
(a)分子在金属外貌形成自组装结构的示意图。。 。。。。(b)分子图的构建。。 。。。。(c)图神经网络模子的架构。。 。。。。
在本事情中，，作者使用扫描隧道显微镜（STM）表征了一系列多环芳烃（PAH）分子在差别金属外貌上的自组装结构，，以构建用于模子训练的实验数据集，，之后将经由修改的图神经网络模子MEGNet用作机械学习（ML）框架来训练模子。。 。。。。与古板的ML模子相比，，图神经网络直接从分子的结构表征中获得特征，，从而包管了表征分子所需的所有相关信息。。 。。。。作者的研究效果批注，，在展望与分子自组装相关的目的性子方面，，该图神经网络算法比古板的ML算法具有更好的性能。。 。。。。别的，，将训练好的ML模子应用到一种新的PAH分子中所获得的展望效果与实验表征效果吻合得很好，，这突出了ML模子的通用性。。 。。。。
这项研究是MGI外貌科学课题组基于质料基因理念在外貌科学领域举行的立异研究，，有助于加速纳米结构和具有所需性子的新型纳米质料的前体分子的筛选和设计。。 。。。。
本论文事情由威廉希尔质料基因组工程研究院自力完成，，孙强教授为通讯作者，，第一作者为MGI硕士生郑凤茹。。 。。。。MGI外貌科学课题组近年来聚焦于使用数据挖掘、机械学习和人工智能要领，，连系高通量实验手段探索人工智能在外貌科学中的应用。。 。。。。致力于作育具备“重基础、跨学科、国际化”理念的质料基因特色人才。。 。。。。
课题组网站：https://www.qiangsungroup.cn/
论文链接：https://pubs.acs.org/doi/epdf/10.1021/acsnano.3c06405
