Learning from the Harvard Clean Energy Project: The Use of Neural Networks to Accelerate Materials Discovery

Advanced Functional Materials

Volumn 25, Issue 41, 2015, Pages 6495-6502

  Pyzer Knapp, Edward O ^a   Li, Kewei ^a   Aspuru Guzik, Alan ^a  

^a HARVARD UNIVERSITY   (United States)

Author keywords

big data; machine learning; materials genomes; neural networks; organic materials screening; organic photovoltaics

Indexed keywords

ARTIFICIAL INTELLIGENCE; LEARNING SYSTEMS; NEURAL NETWORKS; QUANTUM CHEMISTRY;

CLEAN ENERGY; COMPUTATIONAL TIME; HIGH THROUGHPUT; LARGE AMOUNTS; ORGANIC MATERIALS; ORGANIC PHOTOVOLTAICS; QUANTUM CHEMICAL CALCULATIONS; STATE-OF-THE-ART ALGORITHMS;

BIG DATA;

EID: 84946476177     PISSN: 1616301X     EISSN: 16163028     Source Type: Journal    
DOI: 10.1002/adfm.201501919     Document Type: Article

References (52)

1. E. O. Pyzer-Knapp, H. P. G. Thompson, F. Schiffmann, K. E. Jelfs, S. Y. Chong, M. A. Little, A. I. Cooper, G. M. Day, Chem. Sci. 2014, 5, 2235.
2. B. Huskinson, M. P. Marshak, C. Suh, S. Er, M. R. Gerhardt, C. J. Galvin, X. Chen, A. Aspuru-Guzik, R. G. Gordon, M. J. Aziz, Nature 2014, 505, 195.
3. J. Hachmann, R. Olivares-Amaya, A. Jinich, A. L. Appleton, M. A. Blood-Forsythe, L. R. Seress, C. Roman-Salgado, K. Trepte, S. Atahan-Evrenk, S. Er, S. Shrestha, R. Mondal, A. Sokolov, Z. Bao, A. Aspuru-Guzik, Energy Environ. Sci. 2014, 7, 698.
4. M. D. Halls, K. Tasaki, J. Power Sources 2010, 195, 1472.
5. S. Subramaniam, M. Mehrotra, D. Gupta, Bioinformation 2008, 3, 14.
6. B. K. Shoichet, Nature 2004, 432, 862.
7. V. Sorna, E. R. Theisen, B. Stephens, S. L. Warner, D. J. Bearss, H. Vankayalapati, S. Sharma, J. Med. Chem. 2013, 56, 9496.
8. M. Korth, Phys. Chem. Chem. Phys. 2014, 16, 7919.
9. J. J. Low, A. I. Benin, P. Jakubczak, J. F. Abrahamian, S. A. Faheem, R. R. Willis, J. Am. Chem. Soc. 2009, 131, 15834.
10. J.-L. Reymond, L. Ruddigkeit, L. Blum, R. van Deursen, Wiley Interdisc. Rev.: Comput. Mol. Sci. 2012, 2, 717.
11. E. O. Pyzer-Knapp, C. Suh, R. Gomez-Bombarelli, J. Aguilera-Iparraguirre, A. Aspuru-Guzik, Annu. Rev. Mater. Res. 2015, 45, 195.
12. S. Agarwal, D. Dugar, S. Sengupta, J. Chem. Inf. Model. 2010, 50, 716.
13. H. Gelernter, J. R. Rose, C. Chen, J. Chem. Inf. Comput. Sci. 1990, 30, 492.
14. J.-P. Vert, L. Jacob, Comb. Chem. High Throughput Screening 2008, 11, 677.
15. M. A. Kayala, P. Baldi, J. Chem. Inf. Model. 2012, 52, 2526.
16. M. Karthikeyan, R. C. Glen, A. Bender, J. Chem. Inf. Model. 2005, 45, 581.
17. A. Lusci, G. Pollastri, P. Baldi, J. Chem. Inf. Model. 2013, 53, 1563.
18. J. L. McDonagh, N. Nath, L. D. Ferrari, T. van Mourik, J. B. O. Mitchell, J. Chem. Inf. Model. 2014, 54, 844.
19. G. Montavon, M. Rupp, V. Gobre, A. Vazquez-Mayagoitia, K. Hansen, A. Tkatchenko, K.-R. Muller, O. A. von Lilienfeld, New J. Phys. 2013, 15, 095003.
20. R. Ramakrishnan, P. O. Dral, M. Rupp, O. A. von Lilienfeld, J. Chem. Theory Comput. 2015, 11, 2087.
21. R. Ramakrishnan, O. A. von Lilienfeld, Chim. Int. J. Chem. 2015, 69, 182.
22. C. E. Rasmussen, Gaussian Processes for Machine Learning, MIT Press, Cambridge, MA 2006.
23. E. O. Pyzer-Knapp, C. Suh, R. P. Adams, A. Aspuru-Guzik, unpublished.
24. G. Simm, E. O. Pyzer-Knapp, A. Aspuru-Guzik, unpublished.
25. D. Mackay, Netw. Comput. Neural Syst. 1995, 6, 469.
26. F. Rosenblatt, Psychol. Rev. 1958, 65, 386.
27. J. Zupan, J. Gasteiger, Anal. Chim. Acta 1991, 248, 1.
28. S. Lawrence, C. L. Giles, Proc. IEEE-INNS-ENNS Int. Joint Conf. Neural Networks IJCNN 2000, IEEE, Piscataway, NJ 2000, Vol. 1, pp. 114-119.
29. L. Prechelt, Neural Networks 1998, 11, 761.
30. D. E. Rumelhert, G. E. Hinton, R. J. Williams, Readings in Cognitive Science, Elsevier, Amsterdam/New York 1988, pp. 399-421.
31. L. Bottou, Proc. COMPSTAT, Springer-Verlag, Berlin/Heidelberg, Germany 2010, pp. 177-186.
32. G. Hinton, T. Tielman, Lecture 6.5-rmsprop, COURSERA: Neural Networks for Machine Learning.
33. T. Schaul, I. Antonoglou, D. Silver, 2013, arXiv:1406.1231.
34. B. Recht, C. Re, S. Wright, F. Niu, in Advances in Neural Information Processing Systems 24 (Eds:, J. Shawe-Taylor, R. S. Zemel, P. L. Bartlett, F. Pereira, K. Q. Weinberger,), Curran Associates, Inc., Red Hook, NJ 2011, pp. 693-701.
35. T. Chilimbi, Y. Suzue, J. Apacible, K. Kalyanaraman, 11th USENIX Symp. Oper. Syst. Design Implementation (OSDI 14), USENIX Association, Broomfield, CO, 2014, pp. 571-582.
36. M. C. Scharber, D. Mühlbacher, M. Koppe, P. Denk, C. Waldauf, A. J. Heeger, C. J. Brabec, Adv. Mater. 2006, 18, 789.
37. G. Montavon, K. Hansen, S. Fazli, M. Rupp, F. Biegler, A. Ziehe, A. Tkatchenko, A. V. Lilienfeld, K.-R. Müller, in Advances in Neural Information Processing Systems 25 (Eds:, F. Pereira, C. J. C. Burges, L. Bottou, K. Q. Weinberger,), Curran Associates, Inc., Red Hook, NJ 2012, pp. 440-448.
38. M. Rupp, A. Tkatchenko, K.-R. Müller, O. A. von Lilienfeld, Phys. Rev. Lett. 2012, 108, 058301.
39. G. Landrum, RDKit: Open-Source Cheminformatics.
40. R. E. Carhart, D. H. Smith, R. Venkataraghavan, J. Chem. Inf. Comput. Sci. 1985, 25, 64.
41. J. L. Durant, B. A. Leland, D. R. Henry, J. G. Nourse, J. Chem. Inf. Comput. Sci. 2002, 42, 1273.
42. D. Rogers, M. Hahn, J. Chem. Inf. Model. 2010, 50, 742.
43. R. Nilakantan, N. Bauman, J. S. Dixon, R. Venkataraghavan, J. Chem. Inf. Comput. Sci. 1987, 27, 82.
44. D. Rogers, R. D. Brown, M. Hahn, J. Biomol. Screening 2005, 10, 682.
45. Y. Shao, Z. Gan, E. Epifanovsky, A. T. B. Gilbert, M. Wormit, J. Kussmann, A. W. Lange, A. Behn, J. Deng, X. Feng, D. Ghosh, M. Goldey, P. R. Horn, L. D. Jacobson, I. Kaliman, R. Z. Khaliullin, T. Kus̈, A. Landau, J. Liu, E. I. Proynov, Y. M. Rhee, R. M. Richard, M. A. Rohrdanz, R. P. Steele, E. J. Sundstrom, H. L. Woodcock, P. M. Zimmerman, D. Zuev, B. Albrecht, E. Alguire, B. Austin, G. J. O. Beran, Y. A. Bernard, E. Berquist, K. Brandhorst, K. B. Bravaya, S. T. Brown, D. Casanova, C.-M. Chang, Y. Chen, S. H. Chien, K. D. Closser, D. L. Crittenden, M. Diedenhofen, R. A. DiStasio, H. Do, A. D. Dutoi, R. G. Edgar, S. Fatehi, L. Fusti-Molnar, A. Ghysels, A. Golubeva-Zadorozhnaya, J. Gomes, M. W. D. Hanson-Heine, P. H. P. Harbach, A. W. Hauser, E. G. Hohenstein, Z. C. Holden, T.-C. Jagau, H. Ji, B. Kaduk, K. Khistyaev, J. Kim, J. Kim, R. A. King, P. Klunzinger, D. Kosenkov, T. Kowalczyk, C. M. Krauter, K. U. Lao, A. D. Laurent, K. V. Lawler, S. V. Levchenko, C. Y. Lin, F. Liu, E. Livshits, R. C. Lochan, A. Luenser, P. Manohar, S. F. Manzer, S.-P. Mao, N. Mardirossian, A. V. Marenich, S. A. Maurer, N. J. Mayhall, E. Neuscamman, C. M. Oana, R. Olivares-Amaya, D. P. O'Neill, J. A. Parkhill, T. M. Perrine, R. Peverati, A. Prociuk, D. R. Rehn, E. Rosta, N. J. Russ, S. M. Sharada, S. Sharma, D. W. Small, A. Sodt, T. Stein, D. Stuck, Y.-C. Su, A. J. W. Thom, T. Tsuchimochi, V. Vanovschi, L. Vogt, O. Vydrov, T. Wang, M. A. Watson, J. Wenzel, A. White, C. F. Williams, J. Yang, S. Yeganeh, S. R. Yost, Z.-Q. You, I. Y. Zhang, X. Zhang, Y. Zhao, B. R. Brooks, G. K. L. Chan, D. M. Chipman, C. J. Cramer, W. A. Goddard, M. S. Gordon, W. J. Hehre, A. Klamt, H. F. Schaefer, M. W. Schmidt, C. D. Sherrill, D. G. Truhlar, A. Warshel, X. Xu, A. Aspuru-Guzik, R. Baer, A. T. Bell, N. A. Besley, J.-D. Chai, A. Dreuw, B. D. Dunietz, T. R. Furlani, S. R. Gwaltney, C.-P. Hsu, Y. Jung, J. Kong, D. S. Lambrecht, W. Liang, C. Ochsenfeld, V. A. Rassolov, L. V. Slipchenko, J. E. Subotnik, T. Van Voorhis, J. M. Herbert, A. I. Krylov, P. M. W. Gill, M. Head-Gordon, Mol. Phys. 2015, 113, 184.
46. J. P. Perdew, Phys. Rev. B 1986, 33, 8822.
47. A. D. Becke, Phys. Rev. A 1988, 38, 3098.
48. F. Weigend, R. Ahlrichs, Phys. Chem. Chem. Phys. 2005, 7, 3297.
49. E. O. Pyzer-Knapp, K. Li, A. Aspuru-Guzik, MAML-Molecular Applied Machine Learning.
50. G. E. Dahl, N. Jaitly, R. Salakhutdinov, 2014, arXiv:1406.1231.
51. J. Hachmann, R. Olivares-Amaya, S. Atahan-Evrenk, C. Amador-Bedolla, R. S. Sanchez-Carrera, A. Gold-Parker, L. Vogt, A. M. Brockway, A. Aspuru-Guzik, J. Phys. Chem. Lett. 2011, 2, 2241.
52. World Community Grid, http://www.worldcommunitygrid.org/. (accessed February 2015)