Yapay Zeka Reaktiviteyi Tahmin Ederken Moleküler ve Elektronik Özellikleri Dikkate Alabilir

Yapay Zeka Reaktiviteyi Tahmin Ederken Moleküler ve Elektronik Özellikleri Dikkate Alabilir

Güney Kore’deki bilim insanları, organik materyallerin kimyasal reaktivitesini tahmin edebilen bir makine öğrenim modeli geliştirdiler. Model, kararlılık ve uyumluluk için geniş bir kimyasal alan boyunca tarama yapabiliyor. Ekip, lityum-oksijen pillerde kararlı elektrolitleri seçmek için geliştirdikleri makine öğrenim modelini kullanarak geliştirdikleri modelin etkinliğini kanıtladı.

Genel olarak kimyasal reaktivite tahminleri, aktivasyon engellerinin doğrudan hesaplamalarını kullanan teorik yöntemlere veya bir malzemenin elektronik özelliklerine dayalı reaksiyon kinetik tahminlerine dayanır. Seul Ulusal Üniversitesi’nde projeyi yöneten Kisuk Kang, “Makine öğrenimi yöntemlerinden yararlanmaya karar verdik çünkü alışılagelmiş yöntemlerin elektronik özellikler ile büyük bir kimyasal alandaki reaktivite arasındaki ilişkiyi bulamadığını fark ettik.”dedi. Ayrıca aktivasyon enerjilerinin hesaplanmasına dayanan yöntemler yüksek hesaplama maliyetlerine sahiptir ve bu yüzden geniş veri yığınlarını taramak uygun değildir.

Kang ve meslektaşları Byungju Lee ve Jaekyun Yoo, elektronik özelliklerin yanı sıra moleküler yapıyı da göz önünde bulundurarak önceki çalışmaların üzerine katkıda bulundular. Çoklu veri girişi, önceki doğrusal regresyon modellerine kıyasla tahmin performansını iyileştirmelerine ve tahmin hatasını azaltmalarına olanak sağladı.

ABD, Columbia Üniversitesi’nden Alexander Urban, “Alışılagelmiş yöntemlerle reaktivite tahmini, elektronegatiflikler veya iyonizasyon enerjileri gibi reaksiyon mekanizmasıyla bağlantılı tanımlayıcıların varsayılmasıyla denenir. Böyle bir kimyasal sezgiye dayanması bu modeli güçlü kılan yanlardan biridir. Modele giren özellikler, moleküllerin hem elektronik hem de yapısal özelliklerini sistematik olarak kodlar.” dedi.

Kang ve ekibi, lityum-oksijen pillerini makine öğrenimi yöntemlerini test etmek için model sistem olarak kullandı. Ekibin araştırmaları meydana gelen reaksiyonlar elektrokimyasal sistemleri kalıcı olarak bozabileceği için, redoks arabulucuları ile pillerin içindeki elektrolit arasında meydana gelen yan reaksiyonlara odaklandı. 
Bu model sayesinde, kullanıcıların deneylerden önce yüksek düzeyde reaktif malzemeleri ortadan kaldırmasına yardımcı olacaktır. Randeis Üniversitesi’nde hesaplama modelleri geliştiren Rebecca Gieseking, “Bu çeşitte bir model, bir cihazda uzun zamanda kararlılığa sahip olma şansı daha yüksek olan elektrolit bileşenlerini seçmek için bir tarayıcı olarak yararlı olabilir. Şimdilik, model yalnızca elektrolit içinde meydana gelen reaksiyonları göz önünde bulundurup elektrotların katalizör veya reaktif tür olarak etkilerini görmezden geliyor. Araştırmacıların, modellerini elektrotu da dikkate alacak şekilde genişletip genişletemeyeceğini görmek için sabırsızlanıyorum.” dedi.
Kaynakça: chemistryworld.com

Okumanızı Öneriyoruz

Ayçiçek Yağı Kutuplarda Korozyonu Önlemeye Yardımcı Oluyor

Rusya’da Kazan Federal Üniversitesi (KFU) araştırmacıları tarafından yapılan yeni bir çalışmaya göre, ayçiçek yağı kutuplardaki …