用数据驱动的金属有机框架用于选C5烯混合物
Yu Fang1, Xuefeng Bai1, Xin Zhang1
1State Key Laboratory of Materials Low-Carbon Recycling, Department of Chemical Engineering, College of Materials Science and Engineering, Beijing University of Technology, Beijing 100124, China.
Journal of the American Chemical Society
|November 4, 2025
概括
基于数据的金属有机框架 (MOF) 能够有效地分离C5烯. 这种方法产生了高纯度的异烯,并使用新吸收剂分离了所有五种C5成分.
科学领域:
- 材料科学
- 化学工程
- 计算化学
背景情况:
- C5烯是聚合物和制药的重要原料.
- 分离C5混合物是一项具有挑战性和能源密集的任务.
- 需要新的吸附剂来有效分离C5.
研究的目的:
- 通过数据驱动的方法发现C5烯混合物的高效吸剂.
- 为了实现高纯度的异烯和其他C5组件的分离.
- 开发一个可扩展和稳定的分离过程.
主要方法:
- 使用大型语言模型 (LLM) 构建345个金属有机框架 (MOF) 的数据集的系统文献分析.
- 根据数据确定具有选择性吸附的有效孔径的MOF.
- 试点规模的突破性实验和连续的分离过程.
主要成果:
- 发现ZIF-8是一种高效的吸收剂,其纯度为99.99%.
- 试验规模的实验使用1.8公斤的MOF产生了350毫升高纯度的异烯.
- 为分离剩余的C5成分发现了三个额外的MOF,使所有五种化合物的完全分离成为可能.
结论:
- 使用LLM的数据驱动策略可以加速发现先进的选吸附剂.
- 开发的基于MOF的分离过程是高效的,可扩展的,并显示出出色的循环稳定性.
- 这种方法为工业应用中C5烯分离提供了可持续的解决方案.
更多相关视频
10:27Preparation of Highly Porous Coordination Polymer Coatings on Macroporous Polymer Monoliths for Enhanced Enrichment of Phosphopeptides
Published on: July 14, 2015
10.5K
07:14Author Spotlight: Experimental Approaches for the Synthesis of Low-Valent Metal-Organic Frameworks from Multitopic Phosphine Linkers
Published on: May 12, 2023
3.7K
