用机器学习辅助设计用于溶剂回收的薄膜复合膜
Mao Wang1, Gui Min Shi1, Daohui Zhao1
1Department of Chemical and Biomolecular Engineering, National University of Singapore, Singapore 117576, Singapore.
Environmental science & technology
|October 10, 2023
概括
机器学习现在设计了先进的膜,用于高效的有机溶剂纳米过 (OSN) 和回收. 这种方法加速了高性能膜的开发,提高了化学工业的可持续性.
科学领域:
- 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.
- 计算化学计算化学
背景情况:
- 有机溶剂是重要的工业化学品,由于环境和经济原因,需要有效回收.
- 有机溶剂纳米过 (OSN) 是一种节能回收溶剂的技术,但膜开发依赖于低效的试错方法.
- 开发先进的膜对于可持续制造和环境保护至关重要.
研究的目的:
- 开发一种机器学习 (ML) 方法,用于合理设计用于有机溶剂纳米过 (OSN) 的新型薄膜复合膜.
- 用单体和属性数据训练的ML模型预测新型OSN膜的性能.
- 为有效的溶剂回收确定高性能膜候选者.
主要方法:
- 利用梯度增强回归来训练ML模型的特色单体,膜,溶剂和溶解物特性.
- 设计并预测了使用ML模型用于常见有机溶剂的167种新膜的 OSN性能.
- 实验合成并测试了一种新型膜,以验证ML预测.
主要成果:
- ML模型准确地预测了OSN性能,包括溶剂透率和溶液排斥.
- 与现有膜相比,鉴定出新型膜候选物,其甲醇透度高于现有膜.
- 发现含的异环单体增强了膜微孔性和透性.
结论:
- 开发的ML方法使得一个自下而上的战略能够实现高性能OSN膜的合理设计.
- 这种数据驱动的方法极大地加速了用于溶剂回收的新材料的发现.
- 这种方法有可能设计用于除溶剂回收之外的各种其他技术重要应用的膜.
