结构调查和Cu-复杂封装微孔催化剂的丰富催化,并通过使用机器学习进行实用建模来预测活动

科学领域:

• 材料科学 材料科学 材料科学
• 催化剂是一种催化剂.
• 化学工程是化学工程的重要组成部分.

背景情况:

• 氨酸酸盐 (SAPOs) 是多功能多孔材料,在分离,催化和环境修复方面具有应用.
• SAPO材料的功能化可以增强它们的催化性能.
• 铜复合物是各种有机转变的有效催化剂.

研究的目的:

• 通过将一个铜 (II) 复合体固定在基础功能化的SAPO分子上,开发一种混合多孔材料.
• 评估混合物材料在环开环反应中的催化活性.
• 应用机器学习技术来预测催化性能和优化工业应用.

主要方法:

• 使用2,9-二甲基-1,10-南和铜酸盐合成一个铜 (II) 复合物.
• 复合铜复合物的合成后固定在氨基功能化的SAPO-34和SAPO-5上.
• 使用单晶X射线衍射,粉末X射线衍射,N2吸附-脱,FTIR,NMR,SEM和TGA进行表征.
• 在环氧环开放反应中对催化活性的评估.
• 机器学习模型 (线性回归,SVM,kNN) 的应用用于预测.

主要成果:

• 铜复合体在结构上通过单晶X射线衍射得到了确认.
• 胺基功能化的SAPO材料有效地固定了铜复合体,产生了活性催化剂.
• 在环氧化物开环反应中实现了90% (SAPO-34) 和88% (SAPO-5) 的高转化效率.
• 支持矢量机 (SVM) 和k-最近邻居 (kNN) 显示了强大的转换和选择性的预测性能.
• 使用MSE,MAPE和R得分指标验证ML模型的准确性.

结论:

• 开发的混合多孔材料对环氧环开放反应表现出有效的催化活性.
• 功能化的SAPOs与固定铜复合体的集成提供了一个有前途的催化系统.
• 机器学习工具可以成功预测和优化催化性能,为工业应用铺平道路.