由 dawei
要合成一种新的化学物质，研究人员需要基于他们对化学结构和化学键的了解提出可能产生新的化合物的元素组合假设，然后通过大量实验对假设进行验证以求幸运女神的眷顾。
哪怕有大量已知的化合物合成研究数据，对可能形成孤立化学物质的元素组合进行决策性的筛选也是一件耗时耗力的事情。
利物浦大学 Andrij Vasylenko 等人组成的研究团队则利用已训练的无监督机器学习模型来指导研究人员对化学元素组合的选择。
该模型可以识别无机晶体材料元素组合之间复杂的相似性，通过对用来勘探合成材料的含两个阴离子的季相场进行优先级排序来指导实验中对于锂固体电解质的识别。
这种机器学习与传统实验相结合的工作方法令研究人员发现了一种新的缺陷填充的纤锌矿结构 Li3.3SnS3.3Cl0.7，并在该化合物的六方密堆积中发现了可以低屏障运输锂离子的通道。该研究于九月二十一日发表在Nature Communications上。
合成新的无机晶体化合物的艰巨性
在固态材料化学中，有关经实验证实的稳定晶体化合物的信息是海量的。举个例子，仅无机晶体结构数据库（Inorganic Crystal Structure Database，ICSD）中就有 20 多万条有关稳定的晶体化合物的记载。
无论从动力学还是热力学的角度考虑，决定这些化合物稳定性的因素都是繁杂的。这些繁杂的因素说明对构成无机晶体化合物的组成元素而言其化学键的相互作用是多样的。为了决定在诸多未知的相场中选择哪些来进行研究，记住成千上万个稳定晶体化合物的例子对研究者而言相当困难。