机器学习分析和聚胺纳米过膜的单体选用于分离
Raghav Dangayach1, Nohyeong Jeong1, Yongsheng Chen1
1School of Civil & Environmental Engineering, Georgia Institute of Technology, Atlanta, Georgia 30332, United States.
ACS ES&T engineering
|November 20, 2025
概括
机器学习模型预测了用于分离和的纳米过膜性能. 这种方法加速了用于先进的膜技术应用的新材料的发现.
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.
- 机器学习 机器学习
背景情况:
- 纳米过 (NF) 膜对于精确的溶解物-溶解物分离至关重要,特别是对于/分离.
- 界面聚合是NF膜的常见合成方法.
- 基于制造和操作条件来预测膜性能仍然是一个挑战.
研究的目的:
- 开发机器学习模型来预测NF膜的水透性和/选择性.
- 确定影响NF膜性能的关键制造和膜特性.
- 建立一个框架,以合理选用于NF膜合成的新型单体.
主要方法:
- 利用摩根指纹 (MFs) 和分子描述符 (MDs) 来表示单体性质.
- 采用可解释的人工智能 (XAI) 工具,如Shapley添加式解释 (SHAP) 来进行性能分析.
- 开发了一种基于SHAP洞察力和合成可访问性的材料选方法.
主要成果:
- 确定了合成条件,膜特性和NF膜性能之间的关键关系.
- 选并确定了NF膜合成的有希望的候选单体.
- 通过将选的单体与传统单体进行比较,验证了选方法.
结论:
- 这项研究为NF膜合成中的合理单体查提供了一个新的战略框架.
- 开发的方法加速了针对特定分离挑战的高性能膜的发现.
- 这项工作通过允许定制膜设计来推进膜技术.
