在预测和发现特定应用的材料方面,机器学习的势头正在增强。鉴于金属−有机骨架(MOF)的丰富,对现有的用于丙烷/丙烯(C3H8/C3H6)分离的MOF进行计算筛选对于开发新的MOF可能同样重要。
在这里,暨南大学Weigang Lu,Dan Li报告了一种机器学习辅助策略,用于从核心MOF数据库中筛选C3H8选择性MOF。
文章要点
1)在机器学习的四种算法中,随机森林(RF)算法表现出最高的准确率。
2)研究人员通过实验验证了所确定的最高性能MOF(JNU-90)具有基准选择性和直接生产C3H6的分离性能。
3)由于JNU-90具有良好的水解稳定性,因此在C3H8/C3H6的节能分离中具有广阔的应用前景。
这项工作可能会加速MOF的发展,以应对具有挑战性的分离。
参考电竞投注官网
Ying Wang, et al, Machine Learning-Assisted Discovery of Propane-Selective Metal−Organic Frameworks, J. Am. Chem. Soc., 2024
https://doi.org/10.1021/jacs.3c14610