Fast evaluation of the adsorption energy of organic molecules on metals via graph neural networks

杂原子 密度泛函理论 吸附 分子 人工神经网络 图论 Atom(片上系统) 催化作用 计算化学 图形 化学 计算机科学 材料科学 生物系统 数学 物理化学 理论计算机科学 有机化学 人工智能 组合数学 生物 嵌入式系统 戒指(化学)
作者
Sergio Pablo-García,Santiago Morandi,Rodrigo A. Vargas-Hernández,Kjell Jorner,Žarko Ivković,Núria López,Alán Aspuru-Guzik
出处
期刊:Nature Computational Science [Springer Nature]
卷期号:3 (5): 433-442
标识
DOI:10.1038/s43588-023-00437-y
摘要

Abstract Modeling in heterogeneous catalysis requires the extensive evaluation of the energy of molecules adsorbed on surfaces. This is done via density functional theory but for large organic molecules it requires enormous computational time, compromising the viability of the approach. Here we present GAME-Net, a graph neural network to quickly evaluate the adsorption energy. GAME-Net is trained on a well-balanced chemically diverse dataset with C 1–4 molecules with functional groups including N, O, S and C 6–10 aromatic rings. The model yields a mean absolute error of 0.18 eV on the test set and is 6 orders of magnitude faster than density functional theory. Applied to biomass and plastics (up to 30 heteroatoms), adsorption energies are predicted with a mean absolute error of 0.016 eV per atom. The framework represents a tool for the fast screening of catalytic materials, particularly for systems that cannot be simulated by traditional methods.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
YUZU完成签到,获得积分10
刚刚
123完成签到,获得积分10
1秒前
pcx完成签到,获得积分10
1秒前
phd完成签到,获得积分10
2秒前
2秒前
曹志毅完成签到,获得积分10
2秒前
mito发布了新的文献求助10
3秒前
无悔呀发布了新的文献求助10
3秒前
4秒前
君君发布了新的文献求助10
4秒前
Yang完成签到,获得积分10
5秒前
风雨完成签到,获得积分10
5秒前
5秒前
6秒前
彭于晏应助小西采纳,获得30
6秒前
可爱的函函应助布布采纳,获得10
7秒前
8秒前
轩辕德地发布了新的文献求助10
8秒前
nine发布了新的文献求助30
8秒前
yxl要顺利毕业_发6篇C完成签到,获得积分10
9秒前
JamesPei应助小敦采纳,获得10
9秒前
今非发布了新的文献求助10
9秒前
李健的小迷弟应助通~采纳,获得30
9秒前
9秒前
9秒前
fanfan44390发布了新的文献求助10
9秒前
Zhang完成签到,获得积分10
10秒前
小二郎应助小田采纳,获得10
11秒前
11秒前
隐形曼青应助liike采纳,获得10
11秒前
phd发布了新的文献求助10
11秒前
11秒前
dingdong发布了新的文献求助30
11秒前
Orange应助清秀的语山采纳,获得50
12秒前
顾矜应助科研通管家采纳,获得10
12秒前
思源应助科研通管家采纳,获得10
12秒前
12秒前
无花果应助科研通管家采纳,获得10
12秒前
酷波er应助科研通管家采纳,获得10
12秒前
12秒前
高分求助中
Continuum Thermodynamics and Material Modelling 3000
Production Logging: Theoretical and Interpretive Elements 2700
Social media impact on athlete mental health: #RealityCheck 1020
Ensartinib (Ensacove) for Non-Small Cell Lung Cancer 1000
Unseen Mendieta: The Unpublished Works of Ana Mendieta 1000
Bacterial collagenases and their clinical applications 800
El viaje de una vida: Memorias de María Lecea 800
热门求助领域 (近24小时)
化学 材料科学 生物 医学 工程类 有机化学 生物化学 物理 纳米技术 计算机科学 内科学 化学工程 复合材料 基因 遗传学 物理化学 催化作用 量子力学 光电子学 冶金
热门帖子
关注 科研通微信公众号,转发送积分 3527849
求助须知:如何正确求助?哪些是违规求助? 3107938
关于积分的说明 9287239
捐赠科研通 2805706
什么是DOI,文献DOI怎么找? 1540033
邀请新用户注册赠送积分活动 716893
科研通“疑难数据库(出版商)”最低求助积分说明 709794