整合DFT和机器学习来设计和优化基于酸盐的水凝吸附剂:有效地从废水中去除污染物
Muhammad Umar1, Hammad Khan1, Sajjad Hussain1
1Faculty of Materials and Chemical Engineering, GIK Institute of Engineering Sciences and Technology, Topi, Pakistan.
Environmental research
|January 22, 2024
概括
这项研究开发了一种基于酸的新型水凝 (SAH),用于高效地去除甲蓝 (MB) 染料. 密度函数理论 (DFT) 和人工智能优化预测了一种高效的吸附剂,用于降低水污染.
科学领域:
- 材料科学 材料科学 材料科学
- 环境化学环境化学
- 计算化学的计算化学
背景情况:
- 污染废水的染料,如甲蓝 (MB) 构成显著的环境风险.
- 开发高效且具有成本效益的吸附剂对于净化水非常重要.
- 基于酸盐的水凝 (SAHs) 显示出对吸附各种污染物的承诺.
研究的目的:
- 设计和优化一种基于酸盐的新型水凝 (SAH),用于高效的甲蓝 (MB) 染料吸附.
- 利用计算方法 (DFT) 和机器学习进行材料设计和流程优化.
- 评估SAH在从水溶液中去除其他污染物的性能.
主要方法:
- 密度函数理论 (DFT) 计算以预测吸附能 (Eads) 和确定最佳单体组合.
- 移植共聚合合成SAHs使用精选的甲基酸盐和单体组合.
- 胀研究和高级表征 (FTIR,XRD,XPS,SEM,EDS,TGA) 用于SAH优化.
- 使用可取性函数方法进行流程建模和优化的统计和机器学习工具.
主要成果:
- 藻酸盐-g-poly (烯胺-co-itaconic酸) 显示了MB染料的最低Eads.
- 优化的SAH实现了3244 mg g-1的高吸附能力 (qe) 和84.4%的MB去除效率.
- Eads有效地预测了吸附能力和去除效率.
- SAH在去除硫沙 (SFZ) 和二西奥芬 (DBT) 中表现出有效性.
- MB吸附遵循伪第一阶动力学和Langmuir-Freundlich等热,表明外热和自发过程.
结论:
- 该研究成功设计和优化了一种SAH,用于使用DFT和AI有效的MB染料吸附.
- 开发的SAH显示了减少水污染的巨大潜力,包括各种有机污染物.
- 整合计算和机器学习工具加速了先进吸附材料和工艺的开发.
