8月18日消息，arXiv网站公布的一篇新预印本论文（编号2608.14990，材料科学类）将机器学习与符号回归结合，为金属有机框架（MOF）材料的二氧化碳吸附能力导出了物理可解释的预测公式。论文由Shao Yimin、Ju Shenghong等作者完成。

研究团队先在1000个样本的小数据集上训练四种机器学习模型，通过SHAP与特征重要性分析锁定五个关键描述符：最大空腔直径、孔隙限制直径、空隙率、重量比表面积与氢原子数。随后用符号回归推导出简洁的吸附公式Q=aA——其中a为吸附基准（mmol/g），A为含四个结构描述符的无量纲吸附数。

研究将A解释为吸附结合力与扩散驱动力之比，揭示了孔隙拓扑与表面化学如何共同影响吸附行为。在涵盖137,652个假想MOF（hMOF）的大规模验证中，该公式对其中62,448个结构的预测准确率超过70%，在确定的结构与操作范围内表现稳健。

与黑箱机器学习模型不同，这一物理引导的表达式兼顾高效预测与机制洞察。MOF碳捕集是CCUS技术的候选路线之一，可解释公式可帮助研究者直接从结构特征预判吸附性能，把"训练一个模型"变成"得到一条设计规则"，降低碳捕集材料筛选的计算门槛。 （来源：arXiv）