有机框架膜的设计和性能预测中的机器学习:方法,应用和工业前景
Tong Wu1,2, Jiawei Zhang1,2, Qinghao Yan1,2
1State Key Laboratory of Pollution Control and Resource Reuse, School of the Environment, Nanjing University, Nanjing 210023, China.
Membranes
|June 25, 2025
概括
机器学习 (ML) 加快了用于分离的先进有机框架膜 (OFMs) 的设计. ML集成数据以优化OFM性能,从而实现碳中和和水安全方面的突破.
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.
- 计算化学计算化学
背景情况:
- 有机框架膜 (OFM) 为分离技术提供可调节的孔隙性和稳定性.
- 由于巨大的化学空间和性能权衡,设计和优化OFM具有挑战性.
研究的目的:
- 突出机器学习 (ML) 在克服 OFMs 的设计和优化挑战中的作用.
- 展示ML如何整合多源数据,并为OFM开发建立结构-属性关系.
- 为了实现OFM的跨度优化,用于先进的分离应用.
主要方法:
- 利用ML工作流程,包括数据构建,功能工程和模型优化.
- 应用ML用于加速候选人选,反向设计和OFM的机械解释.
- 分析ML在气体分离和新兴液相分离中的应用.
主要成果:
- ML确定了高性能OFM的关键结构描述符和环境参数.
- 由ML指导的OFM超过了传统的选择性-透性权衡.
- ML促进了下一代膜的开发,以实现可持续发展的目标.
结论:
- 机器学习对于将计算洞察与OFM创新的实验验证联系起来至关重要.
- 可解释的ML,现场表征和可扩展性是OFM向工业应用过渡的关键.
- 通过ML优化的OFM具有碳中和,水安全和能源效率的巨大潜力.
