アモルフィゼーション予測とCO2直接捕獲スクリーニングのためのアモルフ金属有機フレームワークデータベース
Younghun Kim1, Wonseok Lee1, Jihan Kim1
1Department of Chemical and Biomolecular Engineering, Korea Advanced Institute of Science and Technology, 291 Daehak-ro, Yuseong-gu, Daejeon 34141, Republic of Korea.
ACS applied materials & interfaces
|August 22, 2025
まとめ
研究者は反応力場シミュレーションを使用して,無形金属有機フレームワーク (AMOF) のデータベースを作成しました. マシン・ラーニングは,CO2の直接捕獲に適したAMOFを特定し,新しいデータ主導の探査方法を示しました.
科学分野:
- 材料科学
- コンピュータ化学
- 化学工学
背景:
- アモフス・メタル・オーガニック・フレームワーク (AMOF) は,大きな応用可能性を秘めた,ほとんど未開拓の領域を表しています.
- AMOFの化学空間を効率的にナビゲートするには,構造-特性関係を理解するためのデータ主導の方法が必要です.
研究 の 目的:
- メタル・オーガニック・フレームワーク (MOF) の無形相を探求するための新しいデータベースのアプローチを開発する.
- AMOF構造の包括的なデータベースを作成し,CO2の直接捕獲 (DAC) の有望な候補者を特定する.
主な方法:
- 化学的に正確な反応力場 (ReaxFF) のシミュレーションを使用して,487のAMOF構造のデータベースを作成しました.
- 構造特性に基づいて熱無形化傾向を予測するために,AMOFデータベースで機械学習モデルを開発し,訓練しました.
- CO2の直接捕獲 (DAC) アプリケーションのためのAMOF構造をスクリーニングするために Widom挿入計算を使用します.
主要な成果:
- 487の無形な金属有機構造のデータベースを成功裏に構築しました.
- 機械学習モデルは,MOFが熱無形化される確率を正確に予測しました.
- CO2の直接捕獲に有利な3つの新しいAMOF構造を特定しました.
結論:
- ReaxFFシミュレーションと機械学習を使用して開発されたデータベースのアプローチは,MOFの無形相を探索するのに有効です.
- この方法論は,既存の結晶MOFデータベースを超えて検索可能な化学空間を拡張します.
- 特定されたAMOFは,CO2キャプチャ技術の進歩に希望を示しています.
