在具有开放金属位点的灵活MOF中通过基于碎片的神经网络潜力模拟CO2吸附

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:

• 具有开放金属位点 (OMS) 的金属有机框架 (MOF) 对气体吸附和分离有希望.
• 准确模拟客人-MOF互动和框架灵活性是具有挑战性的.
• 经典力场缺乏精度,ab initio方法在计算上昂贵.

研究的目的:

• 开发一种计算效率高,准确的方法来模拟OMS在柔性MOF中的气体吸附.
• 创建一个神经网络潜力 (NNP),能够捕捉复杂的主机-客户互动.

主要方法:

• 开发了一个神经网络潜力 (NNP),在密度函数理论 (DFT) 数据上训练,用于Mg-MOF-74片段和CO2.
• 将NNP集成到混合分子动力学 (MD) 和大法典蒙特卡洛 (GCMC) 模拟工作流中.
• 在柔性Mg-MOF-74.4中模拟CO2吸附.

主要成果:

• 该NNP准确地捕获了分子内和分子间相互作用,包括与OMS的相互作用.
• 混合MD-GCMC工作流与NNP使灵活的MOF能够准确地建模二氧化碳吸附.
• 框架灵活性被确定为对吸附行为的关键.

结论:

• 基于碎片的NNP与先进的模拟相结合,提供了一种强大而高效的方法,用于模拟MOF中的吸附与OMS.
• 这种方法实现了化学精度和计算效率.
• 精确模拟柔性MOF对于理解和优化气体吸附过程至关重要.