休斯頓大學化學助理教授Jakoah Brgoch和他的實驗室成員于10月22日在Nature Communications上發表了一篇論文，描述了機器學習如何加速新材料的發現。通過掃描大量化合物的關鍵屬性，他們正在尋找可用于白光LED的新型光轉換材料。

磷光體將藍光轉換為其他波長以產生白色LED（圖像）

研究人員設計了一種新的機器學習算法，該算法足以在個人計算機上運行并預測超過100,000種化合物的特性，以尋找那些最有可能成為LED照明的高效熒光粉的化合物。然后他們合成并測試了一種計算預測的化合物 - 硼酸鋇 - 并確定它提供95％的效率和出色的熱穩定性。

研究人員利用機器學習快速掃描大量化合物的關鍵屬性，包括德拜溫度和化學相容性。Brgoch先前證明了德拜溫度與效率相關。

基于LED或發光二極管的燈泡通過使用少量稀土元素（通常是銪或鈰）在陶瓷或氧化物主體內取代 - 兩種材料之間的相互作用決定了性能。該論文的重點是快速預測主體材料的性質。

Brgoch表示，該項目提供了強有力的證據證明機器學習可以為開發高性能材料帶來價值，這一領域傳統上由反復試驗和簡單的經驗規則引導。“它告訴我們應該在哪里尋找和指導我們的合成努力，”他說。

Brgoch與UH數據科學研究所合作，并利用UH高級計算和數據科學中心的計算資源進行以前的工作。然而，用于這項工作的算法是在個人計算機上運行的。

該項目首先列出了來自Pearson晶體結構數據庫的118,287種可能的無機磷化合物;該算法削減到超過2,000。又過了30秒，它產生了大約二十幾種有前途的材料清單。Brgoch說，這個過程需要數周而沒有機器學習的好處。

他的實驗室進行機器學習和預測，以及合成，因此在同意算法推薦的硼酸鋇鈉是一個很好的候選者后，研究人員創造了這種化合物。它被證明是穩定的，量子產率或效率為95％，但Brgoch說產生的光太藍而不具商業價值。他說，這并不令人沮喪。“現在我們可以使用機器學習工具找到發射波長的發光材料。

“我們的目標是讓LED燈泡不僅更高效，還能提高色彩質量，同時降低成本。”

研究人員說，更重要的是，他們證明機器學習可以大大加快發現新材料的過程。這項工作是Brgoch研究小組利用機器學習和計算指導他們發現具有變革潛力的新材料的更廣泛努力的一部分。