A graph-based network for predicting chemical reaction pathways in solid-state materials synthesis.
A graph-based network for predicting chemical reaction pathways in solid-state materials synthesis.
复制标题
基于图的网络用于预测固态材料合成中的化学反应路径。
DOI：
10.1038/s41467-021-23339-x
复制
发表时间：
2021-05-25
影响因子：
16.6
通讯作者：
Persson KA
中科院分区：
文献类型：
--
作者：
McDermott MJ;Dwaraknath SS;Persson KA
加速无机合成仍然是寻找新型功能材料的一个重大挑战。尽管有大量的计算/实验热化学数据，但许多在合成有机化学中实现“设计合成”的原理在固态化学中并不存在。在这项工作中，我们提出了一个化学反应网络模型，从现有的热化学数据构建的固态合成，并设计了一个计算上易于处理的方法，通过应用寻路算法和网络中的最低成本路径的线性组合，建议可能的反应途径。我们证明了网络在预测复杂的反应途径相媲美的那些在文献中报道的YMnO 3，Y2 Mn 2 O 7，Fe 2SiS 4，和YBa2Cu3O6.5的初步成功。反应网络提供了实现反应途径预测、实验/理论结果之间的快速迭代以及最终控制固态材料合成的机会。预测计算方法是加速固态无机合成的基础。这项工作展示了一个计算易处理的方法，从现有的热化学数据和基于图形的网络模型，用于预测固态无机反应途径。
Accelerated inorganic synthesis remains a significant challenge in the search for novel, functional materials. Many of the principles which enable “synthesis by design” in synthetic organic chemistry do not exist in solid-state chemistry, despite the availability of extensive computed/experimental thermochemistry data. In this work, we present a chemical reaction network model for solid-state synthesis constructed from available thermochemistry data and devise a computationally tractable approach for suggesting likely reaction pathways via the application of pathfinding algorithms and linear combination of lowest-cost paths in the network. We demonstrate initial success of the network in predicting complex reaction pathways comparable to those reported in the literature for YMnO3, Y2Mn2O7, Fe2SiS4, and YBa2Cu3O6.5. The reaction network presents opportunities for enabling reaction pathway prediction, rapid iteration between experimental/theoretical results, and ultimately, control of the synthesis of solid-state materials. Predictive computational approaches are fundamental to accelerating solid-state inorganic synthesis. This work demonstrates a computational tractable approach constructed from available thermochemistry data and based on a graph-based network model for predicting solid-state inorganic reaction pathways.
登录
查看更多内容
影响因子：
4.4
作者：
Eyring, H
通讯作者：
Eyring, H
影响因子：
56.9
作者：
DISALVO, FJ
通讯作者：
DISALVO, FJ
DOI：
10.1073/pnas.1701383115
发表时间：
2019-09-10
影响因子：
11.1
作者：
Ilyin, Daniil V.;Goddard, William A., III;Cheng, Tao
通讯作者：
Cheng, Tao
影响因子：
6.1
作者：
O'Nolan, Daniel;Huang, Guanglong;Chapman, Karena W.
通讯作者：
Chapman, Karena W.
影响因子：
6.1
作者：
Jain, Anubhav;Shyue Ping Ong;Persson, Kristin A.
通讯作者：
Persson, Kristin A.