據多倫多大學官網通訊，由該校和美利堅合眾國西北京大學學形成的接收共青團和少先隊，應用板滯深造本事開辟了一個機械化資料創作平臺，無助于于加快資料的安置周期。聯系輿論已在《自然-板滯智能》(Nature Machine Intelligence)上頒布。

網狀框架是過程在各別拓撲結構平分秋色子創造塊的自己組建裝而爆發的結晶多孔資料，其中很多完備氣體生存、辯別、催化以及底棲生物醫術等應用所需的天性。接收共青團和少先隊開辟了一種由超分子變體自源代碼器輔助的機械化納米多孔資料創作平臺，用來網狀資料的天才安置。在該接收中，接收人員用一類非金屬有機框架(MOF)結構演示了機械化安置過程，并舉行了從天然氣或分洪道氣中辯別出二氧化碳的手段。該模型在捕獲MOF結構個性上面表白出很高的保真度。接收表露，當與多個氣體辯別最佳吸附劑候選物共同演示時，機動力源代碼東西有特出的優化本事。應用該平臺創作的MOF資料與迄今已知的某些MOF資料比較完備很強的競賽力。

接收的要害作者，多倫多大學章法學院化學系和安置機科學系碩士后姚振鵬稱，該平臺可用來天才千般分子框架安置，鮮明縮小用來那種一定用途的最佳資料的辯別工夫。

加拿大高等接收院(CIFar)報酬智能首席科學家、加拿大150外表化學接收總統(Canada 150 Research Chair in Theoretical Chemistry)艾倫·阿斯普魯·古茲克(Alan Aspuru-Guzik)熏陶說，網狀資料的安置極具調唆性，因為面臨著晶體建立模型和分子建立模型穿插在一切的沉重。這種網狀化學本事是多倫多大學應用報酬智能加速資料開辟的一個典范。應用AI模型無妨構想或倡議('dream' or suggest)新穎資料，勝過頑固的基于庫的抉擇本事。

接收的共同作者、西北京大學學工程學院化學與底棲生物工程室主任蘭德爾·斯努爾(Randall Snurr)稱，我們將來是過程安置從候選庫中抉擇出最佳資料。現在這種共通開辟的機械化資料創作平臺，比對數據庫中十足資料舉行“蠻力”('brute force')抉擇工作效率更高。更重要的是，該本事應用板滯深造算法，從數據中深造商量資料空間，實質上提出了從來沒有想到的新資料。

該接收贏得了美利堅合眾國能源部科學接待室、加拿大呆板加工本事接收與變革收集(Canadian Network for Research and Innovation in Machining Technology)以及加拿大自然科學與工程接收理事委員會(NSERC)的輔助。