探索CO2捕获的金属有机框架设计策略,使用可解释的人工智能捕获
Anyu Liu1,2, Yifei Xiao3, Xiaofeng Xie1
1Key Laboratory of Rare Earths, Ganjiang Innovation Academy, Chinese Academy of Science, Ganzhou, Jiangxi 341119, China.
ACS applied materials & interfaces
|July 1, 2025
概括
预测模型识别了最佳的金属有机框架 (MOFs) 来捕获二氧化碳 (CO2). 空隙分数是关键的,特定范围增强了二氧化碳吸附和二氧化碳2/N2选择性,以实现高效的气体分离.
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.
- 计算化学的计算化学
背景情况:
- 由于其独特的特性,金属有机框架 (MOF) 显示了捕获二氧化碳的潜力.
- 目前对MOF的高通量选方法在解决结构复杂性方面是有限的.
- 需要有效和可解释的模型来确定最佳的MOFs来捕获二氧化碳.
研究的目的:
- 在MOF中开发CO2吸附能力和CO2/N2选择性的预测模型.
- 结合多种MOF结构特征,包括孔隙结构,拓和有机链接器.
- 确定影响MOF在二氧化碳捕获中的表现的关键结构因素.
主要方法:
- 开发了使用梯度增强回归框架的预测模型.
- 包含了广泛的MOF结构描述符.
- 使用超参数优化和沙普利增量解释 (SHAP) 分析.
主要成果:
- 最好的模型实现了高精度的二氧化碳吸附能力和二氧化碳2/N2选择性.
- 虚空分数被确定为对吸附和选择性的最有影响的因素.
- 为了最大限度地提高二氧化碳吸附和选择性,确定了最佳空隙分数范围.
- 芳香环增强性能,而素和金属原子对其产生负面影响.
结论:
- 预测模型可以有效地选MOF用于二氧化碳捕获.
- 空隙分数是基于MOF的二氧化碳捕获的关键设计参数.
- 拓设计显著影响MOF吸附效率.
- 这些发现指导了先进的MOF的合理设计,以有效捕获二氧化碳.
