在织废水回收应用中,用于聚膜设计的DFT辅助机器学习
Peng Liu1, Hangbin Xu1, Pengrui Jin2
1State Key Laboratory of Urban Water Resource and Environment, School of Environment, Harbin Institute of Technology, Harbin, 150090, China.
Water research
|March 12, 2025
概括
本研究介绍了一种机器学习模型,该模型使用密度函数理论 (DFT) 来设计用于织废水回收的先进聚膜. 该模型准确地预测了性能,并确定了有效分离染料和盐的最佳条件.
科学领域:
- 材料科学 材料科学 材料科学
- 化学工程是化学工程的重要组成部分.
- 环境科学 环境科学
背景情况:
- 从织废水中回收资源对于可持续性至关重要.
- 聚膜在染料回收方面表现有前途,但在性能优化方面面临挑战.
- 聚膜的性能与其回收效率之间存在复杂的关系.
研究的目的:
- 开发一个机器学习模型,集成DPT描述符和制造参数用于聚膜设计.
- 促进用于织废水处理的高性能聚膜的生成设计.
- 确定最佳的膜组成和操作条件,以提高资源回收.
主要方法:
- 利用密度函数理论 (DFT) 来生成聚材料的描述符.
- 开发机器学习模型来预测膜透率和分离性能.
- 采用贝叶斯优化来探索一个大化学空间以获得最佳的膜设计.
主要成果:
- 机器学习模型准确地预测了聚膜的性能.
- 制造参数是通透性的关键,而DFT描述符则影响着染料/盐的排斥.
- 确定了超越现有性能基准的最佳膜设计.
结论:
- 一种DFT辅助的机器学习方法使得聚膜的有效反向设计成为可能.
- 这种方法显著改善了织废水中的染料和盐的回收.
- 开发的模型为推进聚膜技术提供了一个通用平台.
