KAIST表示,生命化学工程系金知韩教授研究团队利用人工智能开发出可逆向设计具有所需物性的多孔材料的方法。
金白俊、李相元博士生作为共同第一作者参与的此次研究成果,发表于国际学术期刊《科学进展》(Science Advances)1月3日在线版。
多孔材料具有较大的表面积和丰富的内部孔隙,被应用于催化剂、气体储存与分离、传感器、药物传递等多个领域。
此前,为开发此类多孔材料需通过反复实验不断试错,耗费大量时间与费用。为减少这种浪费,曾有通过筛选虚拟结构来加快多孔材料开发的尝试,但存在无法发现数据库中不存在的新结构的问题。
近来,以人工智能为基础的逆向设计来开发具有所需物性材料的研究备受关注,但迄今的研究主要适用于简单的小分子,尚未有设计复杂多孔材料的研究报告。
金教授研究团队利用人工智能技术与分子模拟技术,开发出设计沸石结构(多孔材料的一种)的方法。
研究团队利用人工智能生成模型——生成对抗网络(GAN·Generative Adversarial Network)与现有分子模拟中使用的三维网格数据,开发出可让人工智能学习并生成复杂多孔材料特性的结构。
所开发的人工神经网络生成模型会同时学习由三维网格构成的结构信息与吸附物性数据,并可在学习过程中快速计算吸附物性。由此证明能够高效学习能源储存材料的特性。
此外,研究团队在人工智能学习过程中排除了部分已知沸石结构进行训练,结果确认人工智能也能生成未曾学习过的结构。
金知韩教授表示:“这是利用人工智能设计多孔材料的首个案例”,并称“该方法并不局限于气体吸附用途,也可轻松适用于其他物性,预计将用于催化、分离、传感器等其他领域的材料开发”。






