无形金属有机框架数据库用于无形化预测和CO2直接捕获空气选
Younghun Kim1, Wonseok Lee1, Jihan Kim1
1Department of Chemical and Biomolecular Engineering, Korea Advanced Institute of Science and Technology, 291 Daehak-ro, Yuseong-gu, Daejeon 34141, Republic of Korea.
ACS applied materials & interfaces
|August 22, 2025
概括
研究人员使用反应力场模拟创建了无形金属有机框架 (AMOF) 的数据库. 机器学习确定了适合直接捕获二氧化碳的AMOF,展示了一种新的数据驱动探索方法.
科学领域:
- 材料科学
- 计算化学
- 化学工程
背景情况:
- 无形金属有机框架 (AMOF) 是一个尚未探索的领域,具有显著的应用潜力.
- 有效地导航AMOF的化学空间需要数据驱动的方法来理解结构属性关系.
研究的目的:
- 开发一种基于数据的新方法来探索金属有机框架 (MOF) 的无形阶段.
- 创建一个AMOF结构的综合数据库,并确定直接捕获二氧化碳 (DAC) 的有希望的候选者.
主要方法:
- 使用化学精确的反应力场 (ReaxFF) 模拟用于灭,以生成487个AMOF结构的数据库.
- 在AMOF数据库上开发和训练机器学习模型,以根据结构特征预测热无形化倾向.
- 使用Widom插入计算来选CO2直接空气捕获 (DAC) 应用中的AMOF结构.
主要成果:
- 成功构建了一个487个无形金属有机框架结构的数据库.
- 机器学习模型准确地预测了MOF经历热无形化的可能性.
- 确定了三种新的AMOF结构,具有直接捕获CO2的有利特性.
结论:
- 使用ReaxFF模拟和机器学习开发的数据驱动方法有效地探索MOF的无形阶段.
- 这种方法将可搜索的化学空间扩展到现有的晶体MOF数据库之外.
- 鉴定到的多氧化碳捕获地显示出有前途的二氧化碳捕获技术.
