Revelación de mecanismos clave en la interacción multimecanismo para la eliminación de ReO4-: Un marco dual impulsado...

Área de la Ciencia:

• Ciencia de Materiales
• Aprendizaje Automático
• Química Ambiental

Sus antecedentes:

• La eliminación eficiente de pertecnetato (TcO4-) de los residuos nucleares es crucial para su eliminación segura.
• Los adsorbentes actuales para TcO4- exhiben una capacidad limitada y mecanismos de adsorción poco claros debido a factores intervinientes.
• Los marcos orgánicos covalentes (COFs) muestran promesa como adsorbentes, pero requieren una comprensión mecanicista para su optimización.

Objetivo del estudio:

• Desarrollar un marco de aprendizaje automático (ML) que integre el conocimiento del dominio y los datos para dilucidar los mecanismos de adsorción.
• Identificar el mecanismo dominante para la adsorción de perrhenato (ReO4-) en COFs utilizando un enfoque dual impulsado por conocimiento y datos (DKD).
• Diseñar y sintetizar un nuevo COF con capacidad de adsorción mejorada para ReO4- basada en información mecanicista.

Principales métodos:

• Se desarrolló un marco de aprendizaje automático (ML) dual impulsado por conocimiento y datos (DKD), que incorpora descriptores matemáticos para cinco mecanismos de adsorción.
• Se comparó la precisión predictiva y la interpretabilidad del modelo DKD con un modelo puramente impulsado por datos.
• Se empleó el análisis SHAP para cuantificar la contribución de diferentes mecanismos a la captación de ReO4-.
• Se utilizaron cálculos de Teoría de Funcionales de Densidad (DFT) y análisis espectrales para confirmar los mecanismos de adsorción.

Principales resultados:

• El modelo DKD-ML logró una mayor precisión predictiva (R2 = 0.93) en comparación con el modelo impulsado por datos (R2 = 0.91).
• La interacción electrostática se identificó como el mecanismo de adsorción dominante, contribuyendo con el 66.7% a la captación de ReO4-.
• Se sintetizó un nuevo COF enlazado con imina, Tb-APDC-M, con una densidad de carga ultra alta, logrando una capacidad de adsorción de ReO4- récord de 1689.78 mg g-1.
• El rendimiento mejorado se atribuyó a la alta densidad de carga introducida en el enlace iminio.

Conclusiones:

• El marco DKD-ML es eficaz para dilucidar mecanismos de adsorción complejos en materiales porosos.
• El diseño dirigido de adsorbentes, guiado por información mecanicista, puede mejorar significativamente la capacidad de adsorción de contaminantes críticos como el TcO4-.
• Este trabajo proporciona una vía para el desarrollo de adsorbentes avanzados para la remediación eficiente de residuos radiactivos.