机器学习的金属有机框架模拟,预测和优化重金属吸附
Jingrui Wang1, Xinlong Long1, Ruixing Huang2
1Key Laboratory of Eco-Environments in Three Gorges Reservoir Region, Ministry of Education, College of Environment, and Ecology, Chongqing University, Chongqing, 400044, China.
Environmental research
|August 21, 2025
概括
一个可解释的机器学习 (ML) 框架准确地预测了金属有机框架 (MOF) 的重金属吸附. 这种方法确定了关键因素,并优化了MOF合成以实现有效的环境修复.
科学领域:
- 环境科学
- 材料科学
- 计算化学
背景情况:
- 由于其复杂的结构,了解金属有机框架 (MOF) 的重金属 (HM) 去除具有挑战性.
- 开发MOF吸附能力的预测模型对于有效的环境修复至关重要.
研究的目的:
- 建立一个可解释的机器学习 (ML) 框架,用于预测MOF中的HM吸附能力.
- 确定影响吸附的关键因素并优化MOF合成参数.
主要方法:
- 使用了1225个点的数据集,其中有89个MOF复合材料的44个特征.
- 开发并优化了一个渐变增强决策树模型进行预测.
- 采用沙普利增量解释 (SHAP) 和部分依赖图表来解释模型.
主要成果:
- 实现了高预测准确性 (试验R2=0.921-0.962) 和外部验证 (Zn(II) R2=0.914).
- 确定了吸附条件 (38.99%),合成参数 (20.39%) 和吸附性质 (19.69%) 作为主要影响因素.
- 确定最佳的MOF合成条件,包括孔径 (0.5-3纳米),温度 (100-200°C) 和干燥时间 (<10小时).
结论:
- 开发的ML框架有效预测HM的MOF吸附能力.
- 这项研究提供了吸附机制的见解,并指导了对MOF进行环境修复的数据驱动优化.
