398709_zh-CN

liliconcom

使用 JSL 按纹理特性对共价有机框架进行分类的现代方法 (2021-US-30MP-874)

级别：中级

 

Michael Nazarkovsky，里约热内卢天主教大学（DQ PUC Rio）化学系
Felipe Lopes de Oliveira，里约热内卢联邦大学化学研究所 (IQ UFRJ)

 

共价有机框架 (COF) 是一类新兴的结晶有机纳米多孔材料，通过一个或多个结构单元的共价键合以自下而上的方法设计。 由于构建块的数量和多样性，可以合成大量不同的 COF。 从这个意义上说，能够指导新材料合成的机器学习技术的发展是极其重要的。 在这项工作中，在选择了一组 590 个结构后，使用 DFT 和 Grand-Canonical Monte Carlo 方法来确定这些结构对 CO2 或 H2 的吸附和捕获焓。 还尝试开发分类模型。

在本研究中，通过 JSL (JMP Pro 15) 编码的无监督（分层聚类，PCA）和监督（多重逻辑回归、朴素贝叶斯、KNN、SVM）方法对结构进行分类。 COF 在 2D 和 3D 中分离。 选择最大的集群来执行监督机器学习，按结构（62.9% 2D 和 37.1% 3D）对数据进行分层，以避免训练/验证比率（80%/20%）不成比例。 2D/3D 纹理属性分类成功完成，所有模型的准确率均为 100%（验证）。 其他指标，例如熵 R2、广义 R2、Mean -log(p) 进行了比较和讨论，以选择最佳模型。

 

 

自动生成的成绩单...

 

扬声器	成绩单
乔什·斯丹顿	迈克尔。
迈克尔·纳扎尔科夫斯基	嗨，乔希，请稍等。
	好的。
迈克尔·纳扎尔科夫斯基	哦，不，不，它运行良好。
乔什·斯丹顿	很好，我能看到你，谢谢。
迈克尔·纳扎尔科夫斯基	当你。
	在我们等待 phillippi 的时候，他说他是第一个，所以我 10 分钟前才和他谈过，所以你现在正在录音，是的。
乔什·斯丹顿	是的，它开始录制，我们将编辑这部分。
	一旦我们通过它并有几个问题需要在菲利普加入后解决，然后我会将它传递给你们，关闭我的相机和我的儿子，让你们让你们把它带走，但谢谢你们因为这样做，我们很感激。
迈克尔·纳扎尔科夫斯基	哦，非常感谢，真的，当他们收到这样一个关于可能参加的机会的消息时，对我来说是一个很大的惊喜。
	在这次活动中，或者实际上是三到五次，或者实际上我是怎么知道的，去年我在去年 10 月参加了会议，我的上帝给我留下了深刻的印象，阐明了如此好的主题，所以我决定不失去这个机会年。
乔什·斯丹顿	是的很棒很棒。
	好吧，你知道，不幸的是，你知道今年将是面对面的，但你知道，我们仍然有一些很棒的内容和。
	我们希望，在未来，我们可以让您参加一个总是很有趣的亲自发现活动。
迈克尔·纳扎尔科夫斯基	哦，是的，希望如此。
	我从去年年初开始使用果酱，从睡衣开始。
	是的，是的，非常快，非常简单，我会说。
	是的，如果大流行或我成功了很多，实际上或由于其中一个结果，您现在将在本演示文稿中看到。
	甚至开始发表这方面的文章，实际上，我想，我是作者的合著者，也可能同时发表三篇文章，很清楚，我涉及 JMP。
	来吧。
乔什·斯丹顿	一切美好的东西。
	适合您的快速学习。
迈克尔·纳扎尔科夫斯基	只是你知道它对统计思维有很大帮助。
	是的只是是的。
	是的。
乔什·斯丹顿	我们在使用之前使用的只是一种开源来做你过去或之前的分析。
迈克尔·纳扎尔科夫斯基	你的意思是开源。
乔什·斯丹顿	在什么的。
	把它减少到别人的。
迈克尔·纳扎尔科夫斯基	啊，不，不，不，不，不，你知道我开始学习 Python 但你知道什么。
	我的意思是克服一些学习上的困难。
	所以我是化学家和物理化学家，实际上将所有这些东西用于化学材料科学，正如你现在会看到的那样，所以我决定从 Python 转向数学实验室，同时转向专业六路，以便在那里取得进展。
	Jeff 中用于 metalab 的机器学习界面对于科学家来说绰绰有余。
乔什·斯丹顿	是的，是的，不，很高兴听到我很高兴你已经接受了它并且你知道它很棒，这很棒。
迈克尔·纳扎尔科夫斯基	好吧，让我，让我给 phillippi 发短信。
	好吧，哇，这是怎么回事，怎么回事，他遇到了一些互联网问题，就像一小时前一样。
	好吧好吧。
	他正试图进入。
乔什·斯丹顿	他还没有。
	奇怪的。
乔什·斯丹顿	实时。
	所以你不必输入任何密码，我们点击链接，直接输入正确。
迈克尔·纳扎尔科夫斯基	好吧，我刚刚给他发送了链接，但我不记得是否需要密码。
乔什·斯丹顿	你不应该做生意是的。
迈克尔·纳扎尔科夫斯基	就是这样，所以他马上就给我发了短信。
	哦。
	哦，是的，所以问题不是现在再次遇到缩放和互联网问题。
	哦。
迈克尔·纳扎尔科夫斯基	我们有一个小时，是的。
乔什·斯丹顿	他现在就加入。
迈克尔·纳扎尔科夫斯基	不错哦。
	是的。
菲利普·洛佩斯	你好。
迈克尔·纳扎尔科夫斯基	你好，你终于成为英雄了，所以你正在启动演示，所以 josh 就像 josh 正在等待我们一样，所以我们实际上是及时的。
菲利普·洛佩斯	是的，随时都可以。
乔什·斯丹顿	当然，时间，我的意思是。
	很高兴认识你，我的名字是。
	josh 我的意思是我没有。
	看看录音机，所以我只是要回答几个问题，然后，一旦我们解决了这个问题，我就会把它传递给你们，关掉我的相机，你们可以把它拿走我们将编辑掉所有这部分。
	好的。
	尽管现在值得记录，但我们稍后会编辑该部分。
	所以有几件事。
	是的，所以我猜。
	很明显，我们有来自里约热内卢天主教大学的 Michael 作为我们的 kosky，他是 Lopez de la vieja。
	里约热内卢联邦大学，你们要过去了。
	使用监狱牢房 2021 dash us desk 30 MP dash 874 通过纹理属性对 kirkland 进行水处理和分类或获取框架听起来是正确的。
菲利普·洛佩斯	是的。
迈克尔·纳扎尔科夫斯基	好吧，全名全称。
乔什·斯丹顿	是的，现在你们的全名没问题。
	只是您知道这是为使用 JMP 发现峰会会议而录制的，它将公开提供，并且 JMP 用户社区您是否授予此录制和使用的许可。
菲利普·洛佩斯	是的，我愿意，是的，谢谢。
迈克尔·纳扎尔科夫斯基	好的。
乔什·斯丹顿	迈克尔你很好。
	嗯，当然咯。
	是的，这里有一个类比。
	听起来你们有吗？
	你的手机有点关机，就像我一样或任何类似的东西。
迈克尔·纳扎尔科夫斯基	摧毁是的。
	任何可能打扰我的东西我都会关掉旧的最古老的声音，skyway 记住这些要求，George 请在会议期间告诉我 我的意思是在会议记录之后，你会听到相关的东西，或者它会像整体一样。
乔什·斯丹顿	是的，所以它会直接通过我认为如果出于某种原因，他们不会在其中进行任何编辑。
	灾难性的发生了，我们可以从头开始，但我认为他们会让你直接过去不要担心你知道嘿，我们都是人类。
	你犯了一个错误，只是试着继续坚持下去，没有人的，它不一定是完美的，正确的统计数据并不完美，所以你也不需要，但是是的。
	前进。
菲利普·洛佩斯	不。
乔什·斯丹顿	抱歉。
	可以吗？ Michael 听起来不错。
迈克尔·纳扎尔科夫斯基	是的，一切都很好，一切都很好。
	是的。
乔什·斯丹顿	我们刚刚看到的最后一件事。
	好的。
	是的已经很好了。
	好吧，只是任务栏。
	现在我要去。
	你们还有其他问题吗，或者你们已经准备好提出来了。
	是。
迈克尔·纳扎尔科夫斯基	是的。
	是的，我猜。
菲利普·洛佩斯	分享我的屏幕 Michael 你分享你的屏幕如何。
迈克尔·纳扎尔科夫斯基	你是兄弟吗。
	但是好吧，从技术上讲，如果我们彼此共享屏幕就可以了，是的。
乔什·斯丹顿	是的，你知道那很好，是的。
	只需确保您显然知道转发幻灯片并且不会太落后于幻灯片。
迈克尔·纳扎尔科夫斯基	好但是。
乔什·斯丹顿	是的，你们绝对知道什么。
迈克尔·纳扎尔科夫斯基	我们会让他们进行完全相同的演示，因为我们所有的部分都在一起，所以我们一个接一个地做，这很好，谢谢。
乔什·斯丹顿	好吧，很酷，你们以前知道如何使用缩放来共享屏幕。
	是的。
菲利普·洛佩斯	只是在这里设置冲刺。
	把这个。
	是的。
乔什·斯丹顿	喜欢你的背景。
菲利普·洛佩斯	我现在共享正确的屏幕。
迈克尔·纳扎尔科夫斯基	太好了，一切都很好。
菲利普·洛佩斯	是的。
	这是演示文稿的权利。
	因为我正前往屏幕，有时会出现错误的屏幕并因此抛出。
迈克尔·纳扎尔科夫斯基	完美一切都是完美的。
乔什·斯丹顿	看起来很棒，我要关掉我的。
	现在我的相机，但我会把它传给你们，先生们，再次感谢。
	我想，如果他们，我们可以在最后谈谈。
迈克尔·纳扎尔科夫斯基	很高兴再次见到你，乔希。
乔什·斯丹顿	好吧，保重。
菲利普·洛佩斯	那么，大家好。 我叫费利佩·洛佩斯·德·奥利维拉。 我来自里约热内卢联邦大学，我正在与迈克尔一起展示这项工作
	Nazarkovsky，来自同样位于里约热内卢的罗马天主教大学。 今天，我们展示了使用 JSL 软件按纹理和...按纹理特性对共价有机框架进行分类的现代方法。
	所以共价有机骨架是一类仅由碳、氮、氧、氢、硼等轻元素组成的新型材料。
	它们是有机的、结晶的、纳米多孔的，在网状材料中高度稳定。 这意味着形成这些材料的化学键遵循由网络拓扑决定的明确定义的几何图案。
	在这张图片中，我展示了一个 HCB 型晶格的例子，它由周期性连接的三角形和杆组成，
	形成一个扩展的网络。 这些三角形和杆代表分子，它们可以……您称之为构建块，它们共价键合并形成扩展结构
	具有这种性质的几何特征。 有许多不同类型的
	可以用作构建块的分子几何形状以及我们用来连接它们的几种类型的化学键。
	通过这种方式，可以形成一个具有极其特殊特征的结构，例如???我们可以按顺序控制？？？在内部的物理，化学特性
	？？？这可以......我们已经由构建块定义。 因此，我们可以将积木视为乐高积木，其中不同的积木可以用来构建具有独特特征的多个结构。
	在这张幻灯片中，我展示了可用于构建二维和三维共价有机框架的不同可能的拓扑结构，
	以及每个构建块必须用于构建这些网络的格式。 在右侧，我展示了 COF 晶体结构模型的示例
	带着？？？网络，它将用于计算未来感兴趣的属性。 可以看到格式形成了一个由二维共价层组成的结构
	这些层堆叠在相当于一个地理第三维。
	由于其令人难以置信的调制能力，COF 可用于多种非常有趣的应用，例如多相催化、能源生产、存储、
	有机半导体、化学传感、隔热、气体捕获和储存等。 然而，由于更大的模块化...
	这种更大的模块化也可能是一个问题，但这些材料的开发确实很复杂。
	他们使用……它们通常是通过化学直觉和可用分子的组合开发的。
	用高 ??? 的材料重复几个合成和表征步骤。获得。 这种材料开发...
	这种材料的开发非常耗时、昂贵，并且需要几...20 名专业人员来执行。 有时，所有这些努力都不会导致......
	不会导致材料具有所需特性。 所以为了解决这个问题，我们...
	为了尝试解决这个问题，我们提出了一个简单的？？？研究这些材料的计算方法，从而试图加速它们的发展。
	我们最初使用结构数据库，现在作为精选的 COF，它已经编译了几种合成并在文献中呈现的结构。
	然后我们使用一些构建例程来开发值来验证这些结构并确保一切正常。 接下来我们使用基于 DFT 的
	称为 CP2K 的电子结构计算软件可优化结构原子位置的自 (?) 参数。 然后我们使用一个叫做ZEO++的软件，
	其执行孔隙的几何分析和形成之间的百分比匹配???他们内部的网络。
	然后为选定的成本确定一组结构描述符。 这是我的同事 Michael 在 JMP 软件中编写的脚本，用于进行几个非常有趣的分析。
	好吧，我在这里展示了我们使用的主要结构。 首先我们有一个结构ID，我认为基本上就是结构名称的分类。
	接下来，我们有 LIS，它代表大包含球，它为我们提供了材料孔径的信息。
	我们有 LFS，大自由球体，和 LSFP，大球体自由路径，与...基本上与大包含球体相同，但可以编码信息...
	孔内几种功能化对孔径影响的差异。 我们还有 SSA 和 SSAV，即特定面积，均以平方米每克每体积单位为单位。
	AVF，即可达体积分数，即有多少材料是由孔隙形成的，而 Vp 是孔隙体积。
	然后，我们有 N(chan)，它是可访问频道的数量。
	在图中，我展示了一个只有一个通道的结构，但三维材料可以有多个可访问的通道。
	我们有 ChanDim，它是可以是 1D 的通道的维度，就像在这个结构中，2D 和 3D。 还有通道尺寸，有时基本上是孔径，但对于？？？结构可能略有不同。
	现在，迈克尔将谈谈一些结果。
迈克尔·纳扎尔科夫斯基	是的，非常感谢。 非常感谢 Felipe 如此精彩的介绍，所以现在将是纯数据分析和数据科学。 所以请让我轮到我分享我的屏幕。 好的，这就是我现在要做的。
	完美的。 好东西。
	好的，那么让我们从第二部分的开头开始。 是时候分析那些……其中……如此庞大的数据，我想说，费利佩获得的结构数量。
	一会儿。 好的。 在第一个之后，比方说，在任何分析之前，他们必须检索数据并排除一些错误的结构或一些不相关的
	并筛选以检测缺失值。 在他们的分析和筛选过程中没有检测到缺失值。 之后我们也发现
	数据可视化表明，绝大多数可用结构被分配给结构，其中 85% 和 15% 全部分配到 3D 结构中。 所以从一开始，我们就有不平衡的数据集需要预测。 绝对多数
	通道被分配到一维
	渠道，还有更多……超过 80% 和近 17% 归因于 3D 维度，只有不到 2% 归因于二维渠道。
	此外，所有这些通道都是相当各向同性的，这意味着在所有方向（X、Y 和 Z）上它们都是相等的，这反映在数据 3D 3D 图上。
	如果我们在结构之间分配所有数据，我的意思是 2D 和 3D 结构，我们可以看到一维、二维占据绝对多数。 超过 90% 的 2D 结构和 3D 正在采用。
	3D，我的意思是 3D，三维通道。 几乎超过 60% 被 3D 结构占用，但是，相当多......相当多的
	3 中的 3 也被 2D 结构采用，因为只是它们有更多......更高的值，如 85%。
	为了避免这种情况，为了避免这种不平衡
	在这种情况下，我们正在进行一些无人监督的
	方法，以及机器学习的监督方法
	数据准备好之后。 那么我们首先做什么呢？？？在这些分析中，多变量分析以检测共线性
	以及参数之间的相关性。 因此，正如我们所看到的，前三个（LIS、LFS 和 LSFP）是高度相关的，所以一个可以被其他的替代。 然而，这样的特性将是非常重要的，而 PCA 的分析
	（主成分分析）。 这就是为什么对于层次聚类，我们只选择了其中的一个参数。
	对于通道大小的 X、Y 和 Z，我们的各向同性意味着相同。 然而
	决定保留所有这些，因为这与 2D 的原始结构高度相关……2D 化合物的……关键 COF 的化合物结构。
	好吧，由于它们的数量很大，几乎有 500 个结构，我们决定选择 13 个集群，这些集群可以通过比率或从......所有数量......整个集群数量中取出的部分来进行更重要和相关的优化并进行分析他们
	对于平均值
	参数，反映在表上。
	我们可以看到，在数字 13 之后，还有一个巨大的
	减少聚类...聚类距离，所以这就是为什么 13，它被认为是最佳的聚类数量。 从它们中我们选择了最大规模的集群，集群#7，其中包含......包括 128
	2D 结构的样本，因此将用于以后的分类。
	反过来，3D结构是，我怎么会......我敢说已经是一样的。 我们仍然观察到 LIS、LFS 和 LSFP 之间的相关性仍然很高，所以这也是为什么
	聚类提取的条件与 2D 相同。 然而，集群数量较少，就像我们决定采取七个。 但是从这七个集群中，我们提取了四个，只是为了至少保留
	2D 和 3D 之间的比率更接近相等。 它不会相等，
	但是，正如您将在下一张幻灯片中看到的那样，它会比 85 到 15 好得多，不平衡程度更低。
	通过比较两个关于参数变异性变化的表格，我们可以看到，这两种情况下的最后四个表对每组中结构的更高变异性负责。 体积断裂...分数...对不起，
	总孔体积和两种类型的比表面积，因此它们处于同一水平，并且它们负责结构之间更高的变异性。 所以正如我所说，我们得到的更少......
	最终两种结构之间的差异较小。
	验证...经过训练的验证在从...中获得的结构的基础上构建并分层了两组，这些结构取自最大规模的集群并且分布良好。
	让我们从逻辑回归开始，作为最简单的参数...参数分析。 取出最不相关的后
	变量，我们只留下两个总孔体积和体积分数。
	它们也高度相关，例如
	很大比例的相关性是。 然而，正如你所看到的，它需要一个关于，对不起，同样的 LogWorth，所以这意味着我们不能排除，
	例如，体积分数...分数因为我做过一次来测试它是如何工作的，并且它的缺乏变得很重要并且
	验证中的错误分类率为 20%。 与这里相比，我们进行了验证，完全正确的零错误分类......对每个组的正确归因
	并且在训练集中具有低...非常低的错误分类。 其余的指标......模型性能的度量将在最后进行更多讨论，因此我们将比较所有模型的所有性能。 还有他们各自的
	预测概率的方程，预测结构的创建和给定，获得和给定......在这张幻灯片上呈现。 所以让我们走得更远。 这就是为什么，在接下来的
	建模，我们只使用这两个参数...参数来预测两种结构（2D 或 3D），因此将最近邻作为非参数模型踢给了他们最好的
	指标...在 1K 时的最佳性能和验证，因此只有一个邻居就足以识别分配...识别结构。 从图中我们可以看出...
	我的意思是，总孔体积和体积分数，对不起，所以我们可以看到
	对于 2D，我们有更多集中的这种结构。 它是
	非常
	集中在一处。 然而，与 3D 相比，它们的分布相当广泛。 所以这就是为什么它会比较距离。 在幻灯片的右侧，您可以看到邻居之间的最大距离与
	3D 结构在验证中，在训练集中。 所以这就是为什么我们也可以使用这些非参数模型......一个单一的非参数模型仅使用这两个参数就可以应用于归因。
	此外，二次判别分析在验证中给出了零错误分类，在训练集中给出了不到 5% 的错误分类，仅仅错误分类了八个样本。 所以它甚至很容易......被视为在混淆矩阵和平行图上。
	还有其余的...
	其余的参数将被描述......稍后将讨论，因为这些模型有一些技巧......它会......
	更有趣……会……我们会看到最后。 所以朴素贝叶斯是另一个参数化但非常简单的模型，也给出了零错误分类。 所以情况变得相当有竞争力……竞争。
	正如我们在这里看到的，这两个参数的效果几乎相等，所以
	总孔隙体积的总影响几乎为 0.88，而体积分数的总影响几乎为 8...0.8，所以这就是为什么它们对分类任务的贡献几乎相等。
	并且还为预测构建了简单的图。
	支持向量机没有被展示，同样表现出色。 正如我们所看到的 64...对不起 46 ???向量被用来构建这样一个最终零错误分类的模型。 还有一些
	训练中的错误分类 (6%)，并且大多数情况下，错误分类的最大百分比是针对 3D 的，因为它们被错误分类了。
	好的，让我们更进一步。 最后，我们将得到一个结合了无监督和有监督方法的复杂模型，即无监督 PCA。 在这种情况下，我们把所有的都拿走了......
	定量连续参数，包括所有的，甚至那些相互高度相关的参数，我们建立了
	PCA 的图表和绘图。 正如我们所看到的，两个主要组件的值分别为
	根据凯撒规则多于一个，所以这意味着此时，我们有另一个几乎接近一个组件，第三个组件，我们不会将其纳入预测模型。 我们将只涉及前两个
	这些特征值大于一。 有趣的是，在这里我们可以看到，在第一个分量中，主分量可以描述几乎 66% 的情况，这些包括，
	比方说，LIS、LFS、LSFP 和通道...通道参数，所以我的意思是尺寸 X、Y 和 Z，这些方向。 所以这就像，让我们说，？？？渠道，？？？频道集。
	第二个，第二个成分大多是好的，可以用比表面积和孔隙率两种类型来描述。 这是一个纯纹理参数。
	因此，正如我们所看到的，即使在这里，我们也观察到了这种认证差异，并且可以在此描述中就两个参数对预测的贡献得出结论。
	结构。因此，在我们构建逻辑回归之后，仅使用这两个主成分，它们的公式将在......在我们的出版物中，在我们的摘要中，然后在论文中给出，我们将在该范围内提交...... .在本次峰会的范围内。
	在这里，很明显，我们的错误分类率为零，并且在训练中的错误分类率非常非常低，不到 1%……而在训练中，这不是……这是……不是……以前的型号。 所以现在我们来到了最
	有趣的部分，关于我们的结论
	总结
	楷模。所以我们可以看到，我们通过错误分类训练集来总结，显然是因为我们在那里得到了一些值。 我们可以看到逻辑回归...回归模型
	就像简单的和基于 PCA 的一样，这里通过错误分类和验证判别分析位于图表的顶部。 然而，
	我们在这里可以说的是，我们将所有错误分类数组或准确性作为参数的对立面，我们应该比较其他指标。
	所以我们可以看到，好吧，我们也有其他指标，更高的值对判别分析非常有利。 但如果我们仔细观察，
	我们会看到……每个人都会看到这些指标之间存在巨大差异，甚至错误分类率、验证和训练之间也存在差异。 所以我们可以使
	有些事情，你知道我们遇到了一些过拟合或欠拟合的问题。 在这种情况下，我们主要处理欠拟合，因为指标失效比
	为了训练。 通常会发生相反的情况，是的，大多数......当训练过度拟合数据并且我们在验证中获得更差的指标时，大多数情况都会处理过度拟合。 这里完全相反，所以这就是为什么
	这些指标，例如熵 R 平方和概括 R 平方和平均对数 P，以及错误分类率，
	分析了...分析了这四个指标的差异，这就是我们选择最好的原因。 如前所述，判别分析表明最高
	然而，与其他指标相比，它在训练中的验证指标之间存在最大差异之一。 请记住
	在验证时，他们都给了零，所以这意味着我们几乎可以选择
	它们中的每一个，以及其他指标的最佳平衡......验证和培训之间的指标差异。 所以我们在这里可以看到，例如，最低的......
	误分类率和熵 R 平方之间的最低差异归因于逻辑回归，结合 PCA。
	其他两个指标，如广义 R 平方和平均对数 P 之间的差异。
	用于支持向量机。 然而，对于朴素贝叶斯，我们不能选择这个模型，因为至少在两个
	参数，差别非常大。 所以这就是为什么
	我们可以假设，为了获得最佳性能，为了最正确，推荐基于 PCA 的逻辑回归，并且也可选地推荐支持向量机作为预测 2D 和 3D 结构的另一种模型。 更多细节和更多
	方法将在我们的论文中给出，我们将在两周内提交
	并在 JMP 社区网站上发布。 所以非常感谢你，很高兴能做这样的演讲。 因此，我也非常感谢我来自以色列耶路撒冷希伯来大学的同事 David Kirmayer。 感谢您的关注。
乔什·斯丹顿	好吧。
	谢谢你们，先生们。

数据访问和操作数据探索数据可视化JSL 应用程序开发统计和建模