9 / 2026-10-27 19:15:13

用于分子筛合成规划的主动学习框架

改进贝叶斯优化算法；系统辨识；微动参数；多维高评估代价系统,沸石分子筛,主动学习

沸石分子筛作为一类具有规则微孔结构的无机晶体材料，在催化反应、海水分离及环境保护等领域展现出关键应用价值。然而，受限于合成过程中多因素共同作用的复杂性，其微观反应机理仍存在认知分歧，尚未形成统一的理论体系。当前，分子筛材料研发主要依赖传统经验试错法，该模式在高维化学空间探索中导致大量的时间与资源消耗。近年来，人工智能技术在材料科学领域的快速发展为解决上述问题提供了新路径。其中，主动学习（Active Learning, AL）通过人机交互的迭代优化机制，在复杂体系定向调控中展现出独特优势，有望成为分子筛精准合成的高效工具。本研究针对分子筛合成领域的相区狭窄特性，系统比较了不同机器学习模型与优化策略选择的协同效应，构建了基于贝叶斯优化（BO）和多种优化策略结合的主动学习框架。测试结果表明，该框架能够在仅使用少量标注数据的条件下，高效定位优异相区关键点，较传统实验模式显著降低数据标注成本。本研究为高维复杂化学空间的定向优化提供了可迁移的方法论范式，或能为相关领域的后续探索提供一定参考和借鉴。