零点看书

手机浏览器扫描二维码访问

第22章 进度飞快（第1页）

巴文迪是钙钛矿领域的专家，但是他在23年拿诺奖却不是因为钙钛矿方面的成果，而是因为他在量子点化学制备方法的革新。

量子点是一种具有独特光学特性和电子特性的微小半导体粒子，可以应用在LED、红外探测、太阳能电池等领域。

巴文迪听到对方选钙钛矿，笑了：“莱特，我不太清楚你做实验的水平怎么样，因为你那篇论文没有太展现你这方面的天赋。

钙钛矿这个方向想发论文，对实验的要求非常高，你需要能够做出别人做不出来的结果，或者说要观测到别人观测不到的现象，并且能够把它进行理论化。”

巴文迪接着说：“当然如果你想在顶级刊物上发表论文，我知道这对华国学生来说很重要，因为你们需要这些证明材料，证明自己的能力，好在回国的时候争取更好的待遇。

从这个角度出发，钙钛矿确实是非常好的方向，每年钙钛矿方向的论文，光是nature上就不下十篇，加上Science，这确实是个容易出成果的方向。

只是我不确定你在做实验方面的天赋怎么样。”

陈元光自信心爆棚，这和盘古给的课题比起来根本就不算什么：“我觉得我可以。”

巴文迪盯着他的眼睛看了会，然后点了点头：“ok，你觉得可以就好，那小伙子，让我们开始干活吧！”

巴文迪把论文和相关教材的清单发给他之后让他去自学了，这就是MIT的风格，导师默认你是天才。

“Chen有来过实验室吗？”巴文迪问道。

某印度裔学生说道：“没有见到过他。”

“好吧。”巴文迪有些不解。

等到陈元光再发邮件给他，希望他推荐一些新的论文时，巴文迪回了封邮件问道：“关于论文你有思路了吗？”

“大致有了，我打算研究如何使用机器学习方法去预测抗溶剂对钙钛矿稳定性的高通量情况。”陈元光回复道。

巴文迪看了之后，意识到陈元光还是走到了他熟悉的道路上，做计算化学的路子。

（）;（）　　机器学习好啊，2016年阿尔法狗横空出世战胜围棋九段李世石，被誉为机器学习元年。

到现在两年时间过去，大家都觉得要把人工智能和本专业进行结合，就像二十年前到处都是互联网+一样。

现在是人工智能+，但是人工智能人才不好找，谷歌、亚马逊、FB这些大厂给人工智能领域的人才开出的价码堪称天价，一些创业型公司开的价格更是一个比一个高。

要想招一個懂人工智能，还懂化学的人才太难了，更别提要把这两者结合起来的。

哪怕是巴文迪也找不到这方面的人才，陈元光的出现，让巴文迪有点想法，但没想到对方适应的这么快，才来了短短一个月就找到了结合点。

“莱特，明天来趟我的办公室，我们聊聊具体的研究方向。”巴文迪看到陈元光的回信后也不发邮件了，直接打电话说道。

第二天，“莱特，你大致讲讲你的想法。”巴文迪把咖啡递给陈元光。

“我想的是我们可以采取自动表征、化学机器人合成技术和机器学习结合，去探索抗溶剂的选择是如何影响到钙钛矿的内在稳定性的。

比如说我们选择不同的末端去做组合，像MAPbI3，CsPbI3和CsPbBr3等等，用于合成一些组合库，每个库里它会有自己独特的组合。

我预计我们一共能够合成出一千多种成分，然后每个库使用两种不同的抗溶剂制作两次：甲苯和氯仿。

合成后每5分钟自动进行一次光致发光光谱分析，持续一段时间，具体多长比较合适，这需要做实验来确定。

最后利用非负矩阵分解来绘制时间和成分依赖的光电子特性。

通过对每个库使用这个工作流，我们可以找到抗溶剂的选择对钙钛矿的内在稳定性。

其实它可能会是一个动态的过程。”陈元光大致讲了一下他的思路。

这思路和之前蛋白质定向诱导进化很像，但是不同的在于是先做实验，通过化学机器人来设置固定的流程，然后用机器学习去做分析。

（）;（）　　巴文迪听得连连点头，心想果然是好苗子，难怪莱维特在打电话给他的时候有怨气：“很棒的想法，莱特，我支持伱。

这得看最后的结果，如果结果不错，那它能发nature或者science。

如果结果不理想，那也能发JACS或者nature的子刊。对于化学领域落后于时代的学者们来说，时下最流行的人工智能算法，他们还是会给面子的。”

陈元光思忖，主要还是互联网待遇太好，能把钙钛矿和机器学习结合起来的，要么还没成长起来，毕竟人工智能才火了两年，要么压根不会来读博，早就去工业界赚大钱了。

只是因为这大钱对他来说不算什么，所以他才有机会在这里进修。

“教授，另外我们实验室没有显卡，我需要买英伟达最新的显卡来做计算。”陈元光提到。

巴文迪无奈道：“看来我也落伍了，买，你写张申请单给我，我签字之后你拿给苏珊，让她去采购。”

。。。。。。

“还行，结果算不上好，也不算差，发Nature可能有点勉强，但是发一篇JACS绰绰有余。”巴文迪盯着结果看了半天，然后说道。

陈元光说：“JACS可以了，我在做这个项目的时候，另外还搞了个项目，这个项目绝对可以发Nature。”

巴文迪震惊：“你说说看。”

陈元光：“我在GitHub上搭了一个跨属性的深度学习框架，主要可以用来对小材料数据进行预测分析。

主要用了学院一些现成的数据去训练这个模型，先构建了一个大的数据集，然后基于这个大的数据集去构建不同属性的小数据集，以及他们的模型。

通过这些模型提炼出来的框架，我们可以去直接输入物理属性，作为它的计算和实验数据集，最后得出它其他特性结果来。”

说白了就是围绕钙钛矿的预测这一个课题，再往下挖了一层，做了一个更通用的结果出来。