利用集体知识确定金属-有机框架中金属阳离子的氧化状态

洛桑联邦理工学院Berend Smit团队利用集体知识确定金属-有机框架中金属阳离子的氧化状态。相关研究成果发表在2021年7月5日出版的《自然—化学》。

了解化合物和材料中金属中心的氧化状态有助于理解它们的化学键和性质。化学家们已经发展出了基于电子计数规则来预测氧化状态的理论，但这些理论无法描述扩展晶体系统（如金属-有机框架）中的氧化状态。

该文中，研究人员建议使用一个由剑桥结构数据库中化学名称编码的化学家训练的机器学习模型，自动确定金属-有机框架中的金属离子的氧化状态。在该方法中，只考虑金属中心周围的直接局部环境。结果表明，该策略对实验中的不确定因素（如不正确的质子化、未结合的溶剂或键长的变化）具有很强的包容性。

该方法具有很好的准确性，研究人员证明了它可以用来检测剑桥结构数据库中的错误作业，说明了如何通过机器学习捕获集体知识并将其转化为有用的工具。