Accelerating the design of MOFs through a Machine Learning assisted High-throughput methodology

Les solides hybrides poreux cristallins de type Metal Organic Frameworks (MOFs) sont d’intérêt pour une large gamme d’applications (séparation, catalyse, détection, biomédecine…). Cependant leur synthèse n’est le plus souvent pas contrôlée ce qui rend difficile leur élaboration ‘à façon’ selon la propriété visée. Malgré des avancées significatives, mais très limitées encore, sur les utilisations des approches ‘big data’ pour la prédiction à grande échelle de corrélations structure-activité, la modélisation haut débit d’autres propriétés physiques ou chimiques (au niveau Classique ou quantique) n’est pas encore une méthodologie établie et nécessiterait d’autres développements pour accompagner l’expansion des bases de données comme outils d’apprentissages pour des approches de type intelligence artificielle.

Ce projet de démonstration a pour but d’établir pour la première fois, dans le domaine des MOFs, une approche méthodologique guidée par des méthodes de synthèse et caractérisation haut-débits. Nous nous appuierons sur une série de MOFs existants avec une diversité structurale et chimique adéquate et l’évaluation systématique de leurs propriétés d’adsorption/séparation de molécules de gaz modèles (typiquement le CO2). Cet effort expérimental est complémenté par la prédiction haut-débit de leurs propriétés chimiques et physiques pour créer des bases de données enrichies, avec des indicateurs comme moyens d’apprentissages pour des algorithmes statistiques pour identifier les descripteurs clés, couplés avec des algorithmes génératifs pour explorer l’espace des phases nouvelles et guider de futures découvertes.

A ce jour, nous avons réussi à mettre en place la méthodologie de collecte et de standardisation des données expérimentales, en relation avec la plateforme DIAMOND du PEPR Diadem, en vue de leur utilisation pour les modèles prédictifs. De plus, la plateforme technique comportant des équipements haut-débits (notamment un robot de synthèse combinatoire et 2 instruments de caractérisation haut-débit) est désormais opérationnelle depuis fin mi-décembre 2024.