创建聚合物数据集与有针对性的骨干,用于选高性能膜,用于气体分离

科学领域:

• 计算化学是一种计算化学.
• 材料科学是一种材料科学.
• 聚合物科学 聚合物科学

背景情况:

• 开发用于气体分离的新型聚合物对于工业应用至关重要.
• 需要高通量选方法来加速发现先进材料.

研究的目的:

• 以计算方式构建各种聚合物数据集.
• 使用机器学习对这些聚合物进行CO2/CH4和CO2/N2气体分离的选.

主要方法:

• 聚合物骨干和分子碎片的组合简化分子输入线路输入系统 (SMILES) 字符串.
• 使用七个聚合物骨干 (包括PDMS,PEO,PAGE,PPZ) 和来自MOSES和QM9数据集的分子创建了14个聚合物数据集.
• 利用机器学习模型预测高分子在气体分离中的性能.

主要成果:

• 确定了几种对CO2/CH4和CO2/N2分离有兴趣的聚合物.
• 在聚合物选择性上训练的机器学习模型显示出比使用透率的模型更高的预测准确度.
• 证明了生成数据集对于化学信息学任务的有用性.

结论:

• 开发的计算方法有效地生成用于材料发现的聚合物数据集.
• 机器学习模型是用于气体分离应用的聚合物选的有效工具.
• 预测聚合物选择性直接提高了识别高性能材料的准确性.