化学通报

作者：赵 晨,曹蓉,夏杰桢,吴琪

关键词：金属有机框架,机器学习,高通量筛选,气体吸附分离,

金属有机框架（Metal-organic framework ，MOF）因其高孔隙率、高比表面积和结构可调性，在气体吸附分离领域广泛应用。随着MOF数量激增，传统分子模拟和实验方法验证MOF性能成本高且速度慢，因此目前MOF筛选工作已转向高通量计算辅助的机器学习（Machine-learning，ML）。机器学习作为一种高效的大数据处理方法，能够在高通量筛选（High-Throughput Computational Screening，HTCS）的基础上对数据进行拟合，从而快速而准确地筛选出气体吸附分离材料，并深入挖掘其结构与性能之间的关系。本文回顾了近年机器学习应用于MOF筛选的研究。本文重点讨论了一些运用机器学习从大量结构中筛选出可用于CH4、H2和CO2等气体吸附分离与储存的MOF材料的工作。同时，我们梳理了当前MOF材料筛选工作中的研究思路和进展，并指出了机器学习在筛选MOF材料工作中面临的一些瓶颈和挑战。最后，对该领域的未来发展前景进行了展望。

来源：2024年第3期

《化学通报》期刊编辑部

查看化学通报杂志2024年第3期