双阶段堆叠机器学习方法,考虑虚拟样本生成,用于预测ZIF-8'BET特定表面积,并进行实验验证
Fengfei Chen1,2, Hongguang Zhou2,3, Xiaohui Yu2
1School of Chemistry and Chemical Engineering, Shihezi University, Shihezi 832003, China.
Langmuir : the ACS journal of surfaces and colloids
|January 17, 2025
概括
一个新的双阶段堆叠模型预测了金属有机框架 (MOF) 的Brunauer,Emmet和Teller (BET) 特定表面积. 该方法使用高斯混合模型-虚拟样本生成 (GMM-VSG) 进行材料科学中更快,更准确的评估.
科学领域:
- 材料科学 材料科学 材料科学
- 计算化学的计算化学
- 环境工程 环境工程
背景情况:
- 金属有机框架 (MOF) 越来越多地用于气体和废水处理.
- 准确和快速评估BET特定表面积对于MOF应用至关重要.
- 目前的实验方法往往耗时且昂贵.
研究的目的:
- 开发一种新的计算模型,用于预测MOFs的BET特定表面积.
- 为了提高MOF表征的效率和准确性.
- 减少对昂贵的实验技术的依赖.
主要方法:
- 提出了一种双阶段堆叠模型,结合高斯混合模型-虚拟样本生成 (GMM-VSG) 技术.
- 评估了包括贝叶斯回归,AdaBoost,随机森林和XGBoost在内的机器学习模型.
- 使用性能最好的模型和线性回归,构建了一个两阶段堆叠模型.
主要成果:
- 双阶段堆叠模型在虚拟和真实样本上实现了0.974的R平方值.
- 特性重要性分析指导调整实验条件.
- 对于BET特定表面积的最终预测精度达到0.943.
结论:
- 拟议的GMM-VSG增强的双阶段堆叠模型为BET特定表面积预测提供了一个高度准确和高效的方法.
- 这种方法可以显著加快MOF在环境修复中的开发和应用.
- 该研究为材料科学家和工程师提供了宝贵的计算工具.
