Sartaaj Takrim Khan Seyed Mohamad Moosavi

الملخص

كل عام، يقوم الباحثون بإنشاء مئات الآلاف من المواد الجديدة، كل منها يتميز ببنية وخصائص فريدة. على سبيل المثال، تم الإبلاغ عن أكثر من 5000 إطار عضوي معدني (MOF) جديد فقط في العام الماضي. وعلى الرغم من أن هذه المواد تُصاغ غالبًا لتطبيقات محددة، فقد تمتلك إمكانات استخدام في مجالات مختلفة تمامًا. ومع ذلك، يظل ربط هذه المواد الجديدة بأفضل تطبيقاتها تحديًا كبيرًا. في هذه الدراسة، نُظهر منهجًا متعدد الوسائط يستخدم المعلومات المتاحة فورًا بعد تصنيع إطار عضوي معدني (MOF)، وبشكل خاص نمط التشتت الأشعة السينية للمسحوق (PXRD) والمواد الكيميائية المستخدمة في تصنيعه، لتقدير الخصائص والتطبيقات المحتملة له. وباستخدام التدريب المسبق ذاتيًا (self-supervised pretraining) للنموذج على هياكل بلورية متاحة من قواعد بيانات MOFs، نحقق تنبؤات دقيقة بخصوص خصائص متنوعة، تشمل البنية المسامية، والخصائص المرتبطة بالكيمياء، والخصائص الكيميائية الكمومية، حتى عند توفر كميات صغيرة من البيانات. ونقوم أيضًا بتقييم متانة هذا الأسلوب في ظل وجود عيوب في القياسات التجريبية. وباستخدام هذا النهج، نُنشئ خريطة من التصنيع إلى التطبيق لمواد MOF، مما يوفر رؤى حول أفضل الفئات الموادية لتطبيقات متنوعة. وأخيرًا، وباستخدام نظام توصية مُضاعف للنموذج، نحدد مواد MOF واعدة لتطبيقات تختلف عن تلك التي أُبلغ عنها أصلًا. ونُقدِّم هذه الأداة كرمز مفتوح (open source code) وتطبيق ويب، بهدف تسريع عملية ربط المواد الجديدة بتطبيقاتها الصناعية المحتملة.