用金属有机框架捕获CO2的计算和机器学习方法
Hossein Mashhadimoslem1, Mohammad Ali Abdol1, Peyman Karimi1
1Chemical Engineering Department, University of Waterloo, Waterloo, Ontario N2L 3G1, Canada.
ACS nano
|August 22, 2024
概括
机器学习 (ML) 通过将原子力与MOF结构联系起来,加速用于二氧化碳 (CO2) 捕获的金属有机框架 (MOF) 的开发. 数字化科学数据将使先进的MOFs能够有效地合成.
科学领域:
- 计算化学和材料科学计算化学和材料科学
- 机器学习在材料发现中的应用.
- 吸附剂的开发用于碳捕获.
背景情况:
- 机器学习 (ML) 和原子/分子力场 (FFs) 已经推进了化学和材料科学.
- 金属有机框架 (MOF) 是用于捕获二氧化碳 (CO2) 的有希望的材料.
- 了解ML预测力和MOF结构之间的关系对于吸附剂设计至关重要.
研究的目的:
- 检查ML,计算化学和CO2捕获的MOF开发之间的相互作用.
- 为了将ML预测的原子力与CO2吸附相关的MOF结构连接起来.
- 在MOF研究中审查ML算法的数据处理方法.
主要方法:
- 在原子和分子力场中对ML应用的审查.
- 分析量子ML在材料科学中的成功.
- 检查数据采集技术,包括文本挖掘和MOF公式处理.
主要成果:
- ML算法可以预测与CO2吸附的MOF结构相关的原子力.
- 量子ML在加速用于二氧化碳捕获的材料发现方面表现有前途.
- 数据的数字化和处理是训练有效的ML算法MOF合成的关键.
结论:
- ML为推动MOF吸附剂开发用于二氧化碳捕获提供了显著的潜力.
- 建议将科学记录数字化,以有效地合成先进的MOFs.
- 介绍了用于二氧化碳捕获的MOF合成路径的未来愿景.
关键词:
算法算法是一种算法.原子的力量 原子的力量二氧化碳吸附方式强力场是一种力量场.MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF MOF机器学习是机器学习.量子计算是一种量子计算.综合合成 综合合成更多相关视频
08:42Microfluidic-based Synthesis of Covalent Organic Frameworks COFs: A Tool for Continuous Production of COF Fibers and Direct Printing on a Surface
Published on: July 10, 2017
13.3K
08:00Author Spotlight: Standardizing the Development of Amine-Based Silica Composites as CO2 Adsorbents for Direct Air Capture
Published on: September 29, 2023
2.3K
