[论文解读] MOFSimplify: Machine Learning Models with Extracted Stability Data of Three Thousand Metal-Organic Frameworks

Aadrita Nandy, Gianmarco Terrones+4 more|arXiv (Cornell University)|Sep 16, 2021

Metal-Organic Frameworks: Synthesis and Applications被引用 6

一句话总结

本文提出 MOFSimplify，一种利用自然语言处理（NLP）从3,000种金属有机框架（MOFs）文献中提取溶剂去除稳定性和热分解数据的机器学习框架。该模型基于图结构和孔道几何特征进行训练，能够对MOF稳定性进行预测并量化不确定性，同时提供一个网络界面，支持社区反馈与主动学习。

ABSTRACT

We report a workflow and the output of a natural language processing (NLP)-based procedure to mine the extant metal-organic framework (MOF) literature describing structurally characterized MOFs and their solvent removal and thermal stabilities. We obtain over 2,000 solvent removal stability measures from text mining and 3,000 thermal decomposition temperatures from thermogravimetric analysis data. We assess the validity of our NLP methods and the accuracy of our extracted data by comparing to a hand-labeled subset. Machine learning (ML, i.e. artificial neural network) models trained on this data using graph- and pore-geometry-based representations enable prediction of stability on new MOFs with quantified uncertainty. Our web interface, MOFSimplify, provides users access to our curated data and enables them to harness that data for predictions on new MOFs. MOFSimplify also encourages community feedback on existing data and on ML model predictions for community-based active learning for improved MOF stability models.

研究动机与目标

• 为解决文献中金属有机框架（MOFs）缺乏大规模、经整理的稳定性数据的问题。
• 开发一种可扩展的自然语言处理（NLP）流程，从科学文献中提取溶剂去除和热稳定性数据。
• 基于提取的数据训练机器学习模型，实现对MOF稳定性的预测并量化不确定性。
• 创建一个公开可访问的网络平台 MOFSimplify，用于数据访问和社区驱动的模型改进。
• 通过社区对数据和模型预测的反馈，实现主动学习，持续提升稳定性模型的性能。

提出的方法

• 采用定制的 NLP 流程，从文献中 3,000 种结构表征的 MOFs 中提取溶剂去除稳定性和热分解温度数据。
• 通过与人工标注子集的对比，验证了 NLP 提取的准确性。
• 使用基于图的和孔道几何描述符对 MOFs 进行表征，以编码其结构和拓扑特征。
• 利用结构表征作为输入特征，在提取的数据上训练人工神经网络。
• 在机器学习预测中集成不确定性量化，以评估模型置信度。
• 部署一个网络界面（MOFSimplify），用于托管整理后的数据集，并支持用户访问、预测和反馈，以实现主动学习。

实验结果

研究问题

• RQ1 NLP 技术能否可靠地从 MOFs 的非结构化科学文献中提取溶剂去除和热稳定性数据？
• RQ2 与专家标注的参考数据相比，NLP 提取的数据准确度如何？
• RQ3 基于图结构和孔道几何特征的表征，在机器学习中预测 MOF 稳定性的能力有多强？
• RQ4 基于此数据训练的机器学习模型能否对新型 MOFs 的稳定性进行带不确定性量化的预测？
• RQ5 社区反馈在通过主动学习提升 MOF 稳定性模型预测性能方面的有效性如何？

主要发现

• NLP 流程成功从文献中提取了超过 2,000 项溶剂去除稳定性测量值和 3,000 项热分解温度数据。
• 与人工标注子集的对比验证了 NLP 提取过程的高准确性。
• 基于图结构和孔道几何特征训练的机器学习模型，能够实现对 MOF 稳定性的可靠预测，并量化不确定性。
• MOFSimplify 网络平台支持对新 MOFs 的实时预测，并支持社区反馈以优化模型。
• 通过整合社区反馈，实现了主动学习，使模型在长期中更具鲁棒性和泛化能力。
• 数据集和模型均公开可访问，为未来 MOF 稳定性预测研究奠定了基础。