新的机器学习模型可以帮助预测化合物的氧化状态

由化学工程师开发的新型机器学习模型ÉcolePolytechniqueFédéraledeLausanne（EPFL）可以帮助估计化合物的氧化状态，认为许多化学家辩论的属性应该包括在周期表中。

几乎所有物质世界都是由化学元素制成的。截至2016年，已知118个元素，所有这些元素都分类在每个课堂和化学实验室中的着名定期表中。

周期表中的每个元素似乎是一个，两个字母的缩写（例如，用于铝，氧化物，氧化物），其原子序数显示在元件的核中有多少质子。

存在的质子的数量非常显着，因为它还管辖核心的电子数量，这通常使元件成为其所在的并提供其化学性质。原子序数是元素的身份证。

周期表应包括氧化状态

EPFL的基础科学学院的化学工程师分析了几个元素中的每个元素的另一个数字：元素的氧化状态，亚博老虎机网登录也称为氧化数。该研究发表在自然化学杂志。

换句话说，氧化状态指示必须通过原子获得或丢失的电子的数量，以与另一个原子形成化学键。

在化学中，始终以化合物的化学名称报告氧化状态。氧化态在化学基础上发挥了如此重要的作用，其中一些人认为它们应该被代表为周期表的第三个方面。

Berend Smit，学习领导和教授，EPFL

最好的例子是铬：在氧化态III中，对人体至关重要;在氧化状态IV中，它是非常有毒的。

复杂的材料复杂化亚博网站下载

然而，尽管解密单个元件的氧化状态方便，但在由多个元素组成的化合物的情况下，事情变得难以困难。

smit说，“对于复杂的材料，实际上是亚博网站下载不可能从第一个原理预测氧化状态。事实上，大多数量子程序需要金属的氧化状态作为输入。“

然而，预测氧化态的现有进步是基于20年代初期发育的“债券价值”的东西^TH.世纪，这有助于评估化合物的氧化状态，这取决于其组成元素原子之间的距离。然而，这并不总是保持，特别是在具有晶体结构的材料中。亚博网站下载

“众所周知，它不仅是重要的距离，而且是金属复合物的几何形状。但试图考虑到这一点并没有非常成功，“smit说道。

机器学习解决方案

作为研究的一部分，科学家们可以训练机器学习算法，以将流行的材料组，金属有机框架，氧化状态分类。亚博网站下载

研究人员利用了剑桥结构数据库，晶体结构的存储库，其中氧化状态以材料的名称提供。亚博网站下载

smit说道，“数据库非常凌乱，具有许多错误和实验的混合，专家猜测和键合价理论的不同变化用于分配氧化状态。我们假设化学是自我纠正的。因此，虽然个人账户存在许多错误，但整个社区都会正确。“

我们基本上制作了一种机器学习模式，已捕获化学界的集体知识。我们的机器学习只不过是电视游戏。

凯文·杰布隆，博士学生在Smit的小组，EPFL

jablonka补充道，“'谁想成为百万富翁？“如果化学家不知道氧化状态，那么一个生命线就是询问化学的观众他们认为应该是氧化状态的观点。通过上传水晶结构和我们的机器学习模式是化学家的受众，这将告诉他们最可能的氧化状态是什么。“

该研究得到了欧洲研究理事会（ERC），瑞士国家科学基金会（SNSF）和NCCR-MAR​​VEL的财务支持。亚博老虎机网登录

期刊参考：

Jablonka，K. M.，等。（2021）使用集体知识在金属有机框架中分配金属阳离子的氧化状态。自然化学。doi.org/10.1038/S41557-021-00717-Y.。

来源：https://www.epfl.ch/en/