利用金属有机框架进行化吸附:从力场开发,计算选到机器学习
Athulya S Palakkal1, Yifei Yue1,2, Saad Aldin Mohamed1
1Department of Chemical and Biomolecular Engineering, National University of Singapore, Singapore 117576, Singapore.
Environmental science & technology
|September 2, 2024
概括
研究人员开发了一种新的力场和计算选方法,以确定用于存储乙烯化物 (VDF) 的高性能金属有机框架 (MOF). 这推动了用于气体捕获的先进纳米孔状材料的设计.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学计算化学
- 化学工程是化学工程的重要组成部分.
背景情况:
- 金属有机框架 (MOFs) 是具有多种应用的多功能纳米孔材料.
- 目前对基于MOF的危险化气体存储的研究是有限的.
- 在计算选中,缺乏对乙烯化物 (VDF) 的确定的力场.
研究的目的:
- 为VDF开发一个准确的力场.
- 为了对MOF进行高通量计算选,以进行VDF吸附.
- 确定在MOF中控制VDF吸附的结构-属性关系.
主要方法:
- 为VDF开发一种新的力场.
- 高通量虚拟选超过10万个MOF.
- 机器学习分析定量结构与属性关系.
- 使用辐射分布函数和空间密度进行详细的结构分析.
主要成果:
- 识别具有高VDF吸附能力的高性能MOF.
- 对影响VDF吸附的几何,化学和拓特征的分析.
- 在MOF中阐明VDF和金属节点之间的关键相互作用模式.
结论:
- 这项研究提供了对MOF中VDF吸附机制的微观见解.
- 力量场开发,选和机器学习的协同方法加速了材料的发现.
- 结果将指导新型纳米孔材料的开发,以实现高效的VDF存储和捕获.


