对于具有高性能同时脱硫和碳捕获的金属有机框架,深度学习和大数据挖掘具有高性能
Kexin Guan1, Fangyi Xu1, Xiaoshan Huang1
1Guangzhou Key Laboratory for New Energy and Green Catalysis, School of Chemistry and Chemical Engineering, Guangzhou University, Guangzhou 510006, China.
Journal of colloid and interface science
|February 21, 2024
概括
本研究介绍了一步吸附技术,使用金属有机框架 (MOF) 来同时从烟雾气中捕获二氧化碳 (CO2) 和二氧化硫 (SO2). 机器学习模型确定了关键因素,并选了高性能MOF以实现高效的气体分离.
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:
- 烟气处理需要有效的碳捕获和脱硫方法来实现碳中和.
- 金属有机框架 (MOF) 显示出对二氧化碳和SO2的吸附性分离有希望.
- 开发高性能MOF需要先进的选和预测工具.
研究的目的:
- 开发一种"一级"吸附技术,使用MOFs同时捕获SO2和CO2.
- 采用机器学习来预测烟气处理中的MOF性能.
- 为了确定影响吸附的关键MOF属性,并评估动态分离性能.
主要方法:
- 运用了四个机器学习算法 (包括深度分解机器) 来预测MOF性能指标.
- 进行了灵敏度分析,以确定SO2和CO2捕获的关键MOF描述符.
- 开发了一种动力模型来模拟SO2/CO2/N2混合物的动态吸附分离的突破曲线.
主要成果:
- 深度因子化机器实现了高预测精度 (R2 = 0.95) 的MOF性能.
- 吸附热量,多孔性和开放的性金属位点被确定为SO2和CO2捕获的关键因素.
- 在1000个MOF的选中,确定了20个顶级候选者,静态和动态性能预测之间有显著的重叠.
结论:
- 计算选,机器学习和动态分析的综合方法加速了高效的MOF吸附剂的开发.
- 鉴定到的MOF显示出在烟气处理中同时进行碳捕获和脱硫的潜力.
- 这项工作通过创新的环境修复材料推动可持续发展目标.
