Makine öğrenimi yaklaşımlarıyla 2B geçiş metali tetrahydroxyquinone'lerin karşılaştırmalı entropi analizi

Bu yeni malzeme ve matematiğin önemi

Daha temiz enerji ve karbon yakalama için geliştirilen modern teknolojiler, molekülleri yüksek verimle depolayabilen, taşıyabilen ve dönüştürebilen malzemelere dayanır. Bu çalışma, geçiş metali tetrahydroxyquinone çerçeveleri (TM-THQ) adı verilen ultra ince gözenekli bir malzeme sınıfını inceliyor ve basit ama kritik bir soruyu gündeme getiriyor: pahalı laboratuvar deneyleri yerine, atomların nasıl bağlı olduğunu gösteren matematik ve makine öğrenimi kullanarak bu malzemelerin içsel kararlılığını ve davranışını tahmin edebilir miyiz?

Molekülleri ağlara dönüştürmek

TM-THQ'yi atomların düğümlenmiş bir karışımı olarak düşünmek yerine, yazarlar onu bir ağ gibi ele alıyor: atomlar noktalara, kimyasal bağlar ise bu noktaları birleştiren çizgilere dönüşüyor. Kimyasal graf teorisi olarak bilinen bu yaklaşım, yapıyı bağlantıların ne kadar yoğun veya seyrek olduğunu yakalayan topolojik indisler adı verilen sayılarla tanımlamayı mümkün kılıyor. TM-THQ, organik ligandlar ve geçiş metali atomlarından oluşan iki boyutlu bir metal-organik çerçevedir; düzenli delikler içeren tekrarlayan, levha benzeri bir düzeni vardır. Her bir tekrar birimi karbon, oksijen ve metal merkezlerini düz, gözenekli bir düzen içinde barındırır ve bu birimler iki yönde uzanarak büyük, düzenli bir moleküler ağ oluşturur.

Yapıyı basit sayılarla ölçmek

TM-THQ ağını nicelleştirmek için ekip, kimyagerlerin ve matematikçilerin kaynama noktası veya kararlılık gibi özelliklerle yapıyı ilişkilendirmek için kullandığı birkaç klasik indis hesapladı. Bunlar, her atom etrafında kaç bağın yoğunlaştığını yansıtan Zagreb indisleri; dallanmayı vurgulayan Randić indisleri; ve komşu atomların bağlanabilirliğini harmanlayan veya karşılaştıran diğer ölçümleri içerir. Python'da sembolik ve sayısal araçlar kullanarak, her indisi sadece tabakanın iki yönündeki tekrar birimlerinin sayısına bağlı olarak ifade eden genel formüller türettiler. Tabaka büyüdükçe, bu indislerin tümü düzenli biçimde artıyor; bu da daha geniş ve birbirine bağlı bir çerçeveyi yansıtıyor.

Düzen ve düzensizlikten entropiye

Atomların nasıl bağlandığını bilmek hikâyenin yalnızca bir parçasıdır; diğer önemli unsur yapının genel olarak ne kadar düzenli veya düzensiz olduğudur. Bunu yakalamak için yazarlar, rastgeleliği ölçen bilgi kuramından bir kavram olan Shannon entropisini kullandılar ve aynı yapısal indislere uyguladılar. Her indise karşılık gelen bir entropi değeri hesaplayarak, TM-THQ ağında farklı bağlantı türlerinin ne kadar eşit dağıldığını özetlediler. Sonuçlar, çerçevenin daha büyük ve daha karmaşık hale geldikçe bu entropi değerlerinin istikrarlı bir şekilde arttığını; bunun da yapısal çeşitliliğin ve atomların levha boyunca etkileşimlerindeki ince farklılıkların arttığını gösteriyor.

Makinelerin deseni öğrenmesine izin vermek

Doğrudan formüllere güvenmek yerine, yazarlar ayrıca bilgisayarların yalnızca indis değerlerinden TM-THQ entropisini tahmin etmeyi öğrenip öğrenemeyeceğini sordu. Üç regresyon yaklaşımını test ettiler: basit bir logaritmik eğri ve birçok karar ağacını birleştirerek karmaşık desenleri yakalayabilen popüler iki makine öğrenimi yöntemi—random forest ve XGBoost. Python tabanlı modeller kullanarak her yöntemi indisleri entropiyle ilişkilendiren verilere eğittiler. Beklenmedik şekilde, mütevazı logaritmik model en iyi performansı gösterdi: entropi değerlerini neredeyse kusursuz şekilde yeniden üretti, çok küçük hatalarla ve tahmin edilen ile gerçek değerler arasında çok sıkı bir uyum sağladı. XGBoost buna yakın performans gösterirken, random forest özellikle daha büyük ve uç durumlarda geride kaldı.

Gelecekteki malzemeler için anlamı

Uzman olmayan bir okuyucu için temel mesaj şudur: TM-THQ gibi gelişmiş gözenekli malzemelerin içsel davranışı, her bir atomu ayrıntılı olarak simüle etmeye gerek kalmadan nispeten basit matematikle yakalanıp tahmin edilebilir. Moleküler levhaları ağlara dönüştürerek, onları kompakt sayısal parmak izleriyle özetleyerek ve bu parmak izlerini düzen ve düzensizlik ölçümlerine bağlamak üzere basit modeller öğretmek suretiyle araştırmacılar aday malzemeleri bilgisayar ortamında hızlıca tarayabilir. Bulgular, TM-THQ'nin ayarlanabilir bir iç yapıya sahip olduğunu ve bu yapının kararlılığı ile karmaşıklığının bu indislerden okunarak karbondioksit dönüşümü, kataliz ve enerji depolama gibi alanlarda kullanımının yönlendirilebileceğini; böylece laboratuvarda deneme-yanılma sürecinin azaltılabileceğini öne sürüyor.

Atıf: Irfan, M., Bashir, N., Gaid, A.S.A. et al. Comparative entropy analysis of 2D transition metal tetrahydroxyquinones via machine learning approaches. Sci Rep 16, 6819 (2026). https://doi.org/10.1038/s41598-026-37731-4

Anahtar kelimeler: metal-organik kafesler, graf teorisi, entropi, makine öğrenimi, CO2 dönüşümü