• Home
  • Chimie
  • Astronomie
  • Énergie
  • La nature
  • Biologie
  • Physique
  • Électronique
  •  science >> Science >  >> Chimie
    L'apprentissage automatique décrypte les états d'oxydation des structures cristallines

    Crédit :CC0 Domaine Public

    Les éléments chimiques constituent à peu près tout dans le monde physique. En 2016, nous connaissons 118 éléments, qui peuvent tous être trouvés classés dans le célèbre tableau périodique qui se trouve dans chaque laboratoire de chimie et salle de classe.

    Chaque élément du tableau périodique apparaît comme un seul, abréviation à deux lettres (par exemple O pour oxygène, Al pour l'aluminium) ainsi que son numéro atomique, qui montre combien de protons il y a dans le noyau de l'élément. Le nombre de protons est extrêmement important, car il détermine également le nombre d'électrons en orbite autour du noyau, qui fait essentiellement de l'élément ce qu'il est et lui donne ses propriétés chimiques. En bref, le numéro atomique est la carte d'identité d'un élément.

    Le tableau périodique doit inclure les états d'oxydation

    Publication dans Chimie de la nature , les ingénieurs chimistes de la Faculté des sciences fondamentales de l'EPFL étudient un autre nombre qui doit être rapporté pour chaque élément du tableau périodique :l'état d'oxydation de l'élément, également connu sous le nom de nombre d'oxydation. Tout simplement, l'état d'oxydation décrit combien d'électrons un atome doit gagner ou perdre pour former une liaison chimique avec un autre atome.

    « En chimie, l'état d'oxydation est toujours indiqué dans le nom chimique d'un composé, " explique le professeur Berend Smit qui a dirigé la recherche. " Les états d'oxydation jouent un rôle si important dans les principes fondamentaux de la chimie que certains ont soutenu qu'ils devraient être représentés comme la troisième dimension du tableau périodique. " Un bon exemple est le chrome :dans l'oxydation à l'état III il est indispensable au corps humain; à l'état d'oxydation VI, c'est extrêmement toxique.

    Les matériaux complexes compliquent les choses

    Mais bien que déterminer l'état d'oxydation d'un seul élément soit assez simple, lorsqu'il s'agit de composés composés de plusieurs éléments, les choses se compliquent. "Pour les matériaux complexes, il est en pratique impossible de prédire l'état d'oxydation à partir des premiers principes, " dit Smit. " En fait, la plupart des programmes quantiques nécessitent l'état d'oxydation du métal comme entrée."

    L'état de l'art actuel en matière de prédiction des états d'oxydation est toujours basé sur ce qu'on appelle la "théorie de la valence des liaisons" développée au début du 20e siècle, qui estime l'état d'oxydation d'un composé en fonction des distances entre les atomes de ses éléments constitutifs. Mais cela ne fonctionne pas toujours, en particulier dans les matériaux à structure cristalline. "Il est bien connu que ce n'est pas seulement la distance qui compte mais aussi la géométrie d'un complexe métallique, " dit Smit. "Mais les tentatives pour en tenir compte n'ont pas été très fructueuses."

    Une solution d'apprentissage automatique

    Jusqu'à maintenant, C'est. Dans l'étude, les chercheurs ont pu former un algorithme d'apprentissage automatique pour catégoriser un célèbre groupe de matériaux, les charpentes métallo-organiques, par état d'oxydation.

    L'équipe a utilisé la base de données structurelle de Cambridge, un référentiel de structures cristallines dont l'état d'oxydation est donné au nom des matériaux. "La base de données est très désordonnée, avec beaucoup d'erreurs et un mélange d'expériences, suppositions d'experts, et différentes variations de la théorie de la valence des liaisons sont utilisées pour attribuer les états d'oxydation, " dit Smit. " Nous supposons que la chimie s'auto-corrige, " ajoute-t-il. " Ainsi, alors qu'il y a beaucoup d'erreurs sur les comptes individuels, la communauté dans son ensemble y parviendra."

    "Nous avons essentiellement créé un modèle d'apprentissage automatique qui a capturé les connaissances collectives de la communauté de la chimie, " dit Kevin Jablonka, un doctorat étudiant dans le groupe de Smit à l'EPFL. "Notre machine learning n'est rien de plus que le jeu télévisé "Qui veut gagner des millions ?" Si un chimiste ne connaît pas l'état d'oxydation, l'une des bouées de sauvetage est de demander au public de la chimie ce qu'ils pensent que l'état d'oxydation devrait être. En téléchargeant une structure cristalline et notre modèle appris par machine, c'est le public de chimistes qui leur dira quel est l'état d'oxydation le plus probable."


    © Science https://fr.scienceaq.com