典型文献
机器学习辅助高通量筛选金属有机骨架材料
文献摘要：
金属有机骨架(Metal-organic Frameworks,MOFs)材料具有高比表面积、大孔容和可调控合成等优点,在气体储存、吸附分离、催化等领域受到了广泛关注,近年来其数量呈爆炸式增长的趋势.而高通量计算筛选(High-throughput Computational Screening,HTCS)是从大量材料中发现高性能目标材料与挖掘构效关系最有效的研究方法.在高通量计算筛选过程中产生的数据具有量大、维度多等特点,尤其适合采用机器学习(Machine Learning,ML)进行训练,从而进一步提升筛选效率、深入挖掘多维数据间的构效关系.本综述概述了机器学习辅助高通量筛选金属有机骨架材料的一般流程与常用方法,包括常用描述符、算法与评价标准等,对其在气体储存、分离及催化等领域的研究进展进行了总结,以此明确当前研究中面临的挑战与后续发展方向,助力MOFs材料设计研发.
文献关键词：
金属有机骨架;机器学习;高通量筛选;分子模拟;吸附
中图分类号：
作者姓名：
李炜;梁添贵;林元创;吴伟雄;李松
作者机构：
暨南大学能源电力研究中心 珠海519070;华中科技大学能源与动力工程学院 武汉430074
文献出处：
引用格式：
[1]李炜;梁添贵;林元创;吴伟雄;李松-.机器学习辅助高通量筛选金属有机骨架材料)[J].化学进展,2022(12):2619-2637
A类：
HTCS
B类：
高通量筛选,金属有机骨架材料,Metal,organic,Frameworks,MOFs,高比表面积,孔容,可调控,吸附分离,爆炸式,高通量计算,High,throughput,Computational,Screening,性能目标,目标材料,构效关系,选过,合采,Machine,Learning,ML,筛选效率,多维数据,一般流程,常用方法,描述符,确当,材料设计,设计研发,分子模拟
AB值：
0.415907
相似文献
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
