金属有机框架的酸盐吸附:从系统性审查,元分析和使用人工神经网络进行预测建模的见解

科学领域:

• 环境科学 环境科学
• 材料科学 材料科学 材料科学
• 化学工程是化学工程的重要组成部分.

背景情况:

• 酸盐污染是一个重大的环境问题,需要有效的清除策略.
• 金属有机框架 (MOF) 由于其可调节的结构和高表面积,显示出其作为除酸盐的吸附剂的前景.
• 了解影响MOF在酸盐吸附中的表现的因素对于开发高效的回收技术至关重要.

研究的目的:

• 对基于MOF的酸盐吸附的文献进行全面分析.
• 确定影响酸盐吸附中MOF性能的关键因素.
• 开发对MOFs酸盐吸附能力的预测机器学习模型.

主要方法:

• 对55篇关于酸盐吸附的MOF的文章 (2011-2022) 的系统文献综述.
• 影响吸附的因素分析:MOF类型,合成,修饰和操作条件 (pH,温度,度等). ) 的情况.
• 开发人工神经网络 (ANN) 模型,利用合成和操作参数预测酸盐吸附能力.

主要成果:

• 在酸盐吸附中MOF的性能受到MOF类型,合成方法和操作条件的显著影响.
• 合成期间的初始酸盐度和调节剂被确定为ANN模型中的关键预测特征.
• 安恩模型展示了各种MOF类型的强大的装配能力,包括UIO-66,MIL-100,ZIF-8,Al-MOF,La-MOF和Ce-MOF.
• 内球复合主导吸附机制,可能限制长期回收.

结论:

• MOFs是有效的吸附剂去除酸盐,性能可通过合成和操作调整调整.
• 机器学习模型为预测MOF吸附能力提供了有价值的工具,指导吸附剂设计.
• 需要进行进一步的研究,以解决使用MOF的可持续回收吸附机制的局限性.