Deshmukh的实验室是混合材料实验室的计算设计，致力于理解和模拟分子移动和相互作用的方式-这对于创造新材料至关重要。

近年来，材料科学家利用机器学习这一强大的人工智能子集，通过计算机模拟加速新材料的发现。Deshmukh及其团队最近在“物理化学快报”杂志上发表了一篇研究，展示了一种新的机器学习框架，该框架可以“即时”进行训练，这意味着它可以即时处理数据并从中学习，从而加速计算模型的开发。

传统上，计算模型的开发是“通过反复试验方法手动执行的，这种方法非常昂贵且效率低，而且是一项劳动密集型任务，”Deshmukh解释说。

“这种新颖的框架不仅首次以独特的方式使用机器学习，”Deshmukh说，“但它也大大加速了材料精确计算模型的开发。”

“我们通过使用从分子动力学模拟获得的模型的属性作为机器学习模型的输入，并使用分子动力学模拟中使用的输入参数作为机器的输出，以'反向'方式训练机器学习模型学习模型，“Deshmukh实验室的博士后研究员KarteekBejagam说，他是该研究的主要作者之一。

这个新框架允许研究人员以非常快的速度执行计算模型的优化，直到它们达到新材料的所需属性。

最好的部分?无论机器学习模型的预测有多准确，因为它们是即时测试的，如果模型优化不准确，这些模型对模型优化没有负面影响。“它不会受到伤害，它只会有所帮助，”Deshmukh实验室的访问学者SamrendraSingh和该研究的另一位作者说。

“这种新机器学习框架的优点在于它非常通用，这意味着机器学习模型可以与任何优化算法和计算技术相结合，以加速材料设计，”Singh说。

该出版物由Bejagam和Singh领导，并与化学工程博士合作。学生YaxinAn，通过开发两种溶剂模型作为概念证明，展示了这种新框架的使用。

Deshmukh的实验室计划通过利用这种新颖的基于机器学习的框架来开发研究，以开发具有潜在生物医学和能源应用的各种材料的模型。