通过功能化的GO多层纳米板膜对DMSO/水分离的计算调查,使用分子动力学模拟和深度神经网络模型来预测膜性能

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.
• 计算化学的计算化学

背景情况:

• 石墨烯氧化物 (GO) 膜在液体分离方面表现有前途.
• GO的功能化可以为特定应用调整膜特性.
• 在各种工业过程中,将二甲基硫氧化物 (DMSO) 从水中有效分离至关重要.

研究的目的:

• 通过分子动力学 (MD) 模拟,研究使用多层功能化的GO膜从水中分离DMSO.
• 分析功能组 (和) 和压力对膜分离性能的影响.
• 开发一种深度神经网络 (DNN) 模型,用于预测水处理中的膜行为.

主要方法:

• 用分子动力学 (MD) 模拟来建模分离过程.
• 石墨烯氧化物 (GO) 纳米片被 (-F) 和 (-H) 组功能化.
• 分析包括平均力 (PMF) 的潜力,密度配置文件,水密度图,辐射分布函数 (RDF) 和扩散系数.
• 构建了一个深度神经网络 (DNN) 模型来预测膜性能.

主要成果:

• 功能化的GO膜表现出比功能化的膜更高的透率.
• 在PMF分析中,发现水通过功能化膜时,水的能量障碍更高.
• 在功能化系统中,水扩散系数更高.
• DNN模型在各种条件下准确预测了膜的行为.

结论:

• 功能化的GO膜对于DMSO-水分离是有效的.
• 的功能化增强了用于DMSO-水分离的膜性能.
• 开发的DNN模型可以帮助优化用于水处理的膜分离系统.