基于的高效金属有机框架用于吸附性去除刚果红色:实验调查和人工智能驱动的验证
Sungjemtula Imchen1, Lanusubo Walling2, Rishagni Chetia1
1Department of Chemistry, National Institute of Technology Nagaland, Chumoukedima, Dimapur 797103, Nagaland, India.
Journal of chemical information and modeling
|March 3, 2026
概括
一种基于的新型金属有机框架 (MOF),二碳酸盐 (ZnBTC),有效地从水中去除刚果红色染料. 机器学习模型预测和优化吸附,证实ZnBTC是废水处理的有希望的吸附剂.
科学领域:
- 材料科学:开发和描述新型多孔材料.
- 环境科学:从水溶液中吸附性去除有害有机染料.
- 人工智能:机器学习的应用,用于预测和优化吸附过程.
背景情况:
- 废水中的有机染料对环境构成重大危害.
- 清除染料的高效和具有成本效益的方法对于环境保护至关重要.
- 金属有机框架 (MOF) 由于其高表面积和可调节结构,显示出作为吸附剂的潜力.
研究的目的:
- 合成和表征一种基于的MOF (ZnBTC) 用于刚果红 (CR) 染料去除.
- 在各种实验条件下研究ZnBTC的吸附性能.
- 利用机器学习 (ML) 来预测和优化吸附过程.
主要方法:
- 在环境条件下轻松合成ZnBTC MOF.
- 使用SEM,TEM,FTIR,XRD,N2吸附-脱附和XPS进行表征.
- 批量吸附实验以评估CR去除效率.
- 应用ML算法 (XGBoost,RF,ANN,LR) 进行性能预测.
主要成果:
- ZnBTC MOF已成功合成,具有多孔的3D结构和高表面积.
- 在60分钟内实现了超过94%的CR去除效率.
- XGBoost ML模型在预测吸附方面表现出卓越的性能 (R2=0.968).
- 吸附是自发的,主要是化学吸收的,有结和π-π相互作用的贡献.
结论:
- ZnBTC是一种高效和强大的吸附剂,用于从废水中去除刚果红色.
- 结合实验和人工智能驱动的方法为吸附研究提供了可靠的决策支持工具.
- 这项工作突出了MOF和ML在开发可持续废水处理解决方案方面的潜力.
