典型文献
机器学习与分子模拟协同的CH4/H2分离金属有机框架高通量计算筛选
文献摘要：
在减少CO2排放、实现碳中和的背景下,金属有机框架(MOFs)在清洁能源领域展现出广阔应用前景.提出一种机器学习和分子模拟协同的分层筛选策略,快速、准确地从134185个假设MOFs中识别出具有最佳CH4/H2分离性能的吸附剂.首先,根据MOFs的结构性质,筛掉孔径或体积比表面积不恰当的吸附剂,初筛后MOFs的数量减至62278个.接下来,抽取10％MOFs将结构和化学混合描述符作为特征,利用随机森林分别构建变压吸附和真空变压吸附过程中其对CH4的吸附剂性能得分(APS)预测模型.相比于其他模型构建策略,基于本策略构建的模型具有最优预测准确性,可用于余下MOFs的性能预测.随后根据APS预测值排序,筛选出Top 1000的MOFs并利用分子模拟修正预测结果,进一步确定了 10个最佳MOFs.最后,对描述符的重要性进行解释,揭示了实现模型在不同操作场景下的迁移具有潜力,为未来开发适用于多操作场景下的高性能MOFs筛选方法提供了一条高效的研究路径和方法.
文献关键词：
金属有机框架;CH4/H2分离;分子模拟;机器学习;可解释性
中图分类号：
作者姓名：
王诗慧;薛小雨;程敏;陈少臣;刘冲;周利;毕可鑫;吉旭
作者机构：
四川大学化学工程学院 成都610065
文献出处：
引用格式：
[1]王诗慧;薛小雨;程敏;陈少臣;刘冲;周利;毕可鑫;吉旭-.机器学习与分子模拟协同的CH4/H2分离金属有机框架高通量计算筛选)[J].化学学报,2022(05):614-624
A类：
B类：
分子模拟,CH4,H2,金属有机框架,高通量计算,MOFs,清洁能源,能源领域,分层筛选,筛选策略,分离性能,吸附剂,结构性质,体积比,比表面积,初筛,减至,接下来,描述符,林分,变压吸附,附和,APS,构建策略,策略构建,预测准确性,余下,性能预测,Top,筛选方法,研究路径,路径和方法,可解释性
AB值：
0.331696
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。
