绿色NH₃合成在等离子反应器中的MOFs:由代机器学习增强的层次计算选

科学领域:

• 材料科学与工程 材料科学与工程
• 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:

• 等离子反应器为脱碳氨 (NH3) 生产提供了一个有前途的途径.
• 目前在等离子反应堆中的NH3能量产量需要改进才能得到广泛采用.
• 使用多孔材料保护NH3免受等离子诱导的破坏是一种新兴的策略.

研究的目的:

• 为了计算选一个大型的金属有机框架 (MOF) 数据库,用于NH3吸附应用.
• 确定适用于催化剂支或膜的MOF,以增强等离子反应器中的NH3合成.
• 制定数据驱动的指导方针,用于设计用于改善NH3生产的MOF.

主要方法:

• 开发了一个分层选策略,将机器学习 (ML) 和分子模拟结合起来.
• 根据NH3吸附亨利常数对13460个MOF的初始选.
• 使用分子模拟数据进行性能预测的代ML模型改进.

主要成果:

• 确定了20种现存的MOF,用于作为催化剂支或膜的实验测试.
• 已建立的数据驱动的设计准则: ~10 Å 孔径和 ~90 kJ/mol 吸附热的催化剂支.
• 已建立的数据驱动的设计准则: ~2.75 Å 孔径和 ~80 kJ/mol 吸附热的膜; 的存在是有益的.

结论:

• 开发的等级选方法有效地识别出 NH3 合成的有希望的 MOF.
• 特定的MOF特性 (孔径大小,吸附热量) 对于催化剂支和膜应用至关重要.
• 这项工作为能源密集型化学生产中的数据驱动材料设计提供了一条途径.