高效率的多变金属有机框架H2S/CO2/CH4吸附和分离:一个联合的分子模拟和机器学习研究
Yan-Yu Xie1, Xiao-Dong Li1, Cheng-Xiang Liu1
1School of Physics and Advanced Energy, Henan University of Technology, Zhengzhou 450001, China.
Langmuir : the ACS journal of surfaces and colloids
|October 15, 2025
概括
研究人员开发了用于净化天然气的新型金属有机框架 (MTV-MOF). 这些材料有效地使用先进的模拟和机器学习方法去除有害的二氧化硫 (H2S) 和二氧化碳 (CO2) 杂质.
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:
- 天然气净化需要有效地去除H2S和CO2等杂质.
- 金属有机框架 (MOFs) 显示出作为选择性吸附剂的前景.
研究的目的:
- 为了评估H2S/CO2/CH4分离的MOF.
- 为吸附剂设计结合分子模拟和机器学习.
主要方法:
- 大法典蒙特卡洛 (GCMC) 模拟.
- 机器学习模型 (XGBoost) 使用结构,化学和热力学描述符.
- 对描述符的重要性进行SHAP分析.
主要成果:
- NH2-F-F功能化MOF (cuf_6586) 显示出高的H2S吸附能力 (18.12 mmol/g).
- MOF cuf_10289在H2S/CO2分离方面表现出高选择性 (>45).
- XGBoost模型实现了R2=0.93用于吸附预测和0.90用于分类的精度.
结论:
- 功能化的NH2-F-FMOF对于天然气净化是有效的.
- 机器学习加速了先进吸附剂的发现和设计.
- 这项工作为高硫天然气吸附剂的高通量选提供了一种策略.


