一个智能预测模型,用于金属有机框架的合成条件,利用由遗传算法优化增强的人工神经网络
Guangying Jin1, Wei Ran1, Manyue Zhang1
1School of Maritime Economics and Management, Dalian Maritime University, Dalian 116026, China.
Journal of chemical information and modeling
|January 20, 2025
概括
本研究引入了一个智能模型,使用结构特征预测金属有机框架 (MOF) 合成条件. 优化的模型准确预测合成参数,改善材料制造和减少废物.
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 (MOF) 是先进的多孔材料,在气体储存和分离方面具有多样化的应用.
- 目前的MOF合成方法复杂,昂贵,并且缺乏大规模生产的预测准确性.
- 挑战包括MOF分解,结构崩以及控制合成条件的困难.
研究的目的:
- 开发一个智能预测模型,根据结构特征预测MOF合成条件.
- 为了提高MOF制造工艺的精度和效率.
- 为了减少与MOF生产相关的成本和材料浪费.
主要方法:
- 一个基因算法优化的反向传播 (BP) 神经网络被用于预测.
- 使用最小冗余最大相关性 (mRMR) 算法进行特征选择,以确定关键结构特征.
- 该BP神经网络通过使用遗传算法进行了优化,以确定最佳参数,如人口大小和隐藏节点.
主要成果:
- 优化的模型实现了高预测准确度,R系数为96.2%.
- 这种性能明显超过了传统方法,该方法显示R值约为85%.
- 该研究确定了最佳的输入/输出配置和网络参数,以准确预测合成.
结论:
- 开发的智能模型准确地预测了MOF合成条件,从而能够精确控制材料制造.
- 这种方法有望提高MOF的质量,并最大限度地减少原材料浪费.
- 这些发现有助于更高效,更具成本效益的MOF大规模生产.
