机器学习设计不可计算金属有机框架MOF用于光催化
研究团队提出利用机器学习方法设计传统计算无法处理的金属有机框架（MOF）材料的通用框架。以光催化为案例研究，展示了ML方法在处理复杂多参数材料设计中的能力。该方法可推广到催化剂、吸附剂和储能材料的发现。论文7月29日提交arXiv。
金属有机框架
共 4 篇 · B910 化工资讯聚合
机器学习框架筛选12万MOF候选物发现高效光催化CO2转化材料
研究团队开发结合强化学习MOF生成与晶体图卷积神经网络的MatCreatioNN框架，从12万候选物中筛选出两种光催化性能优于基准材料PCN-224(Zr)的MOF，光催化适应性提升20%-70%。
中国科大等团队开发新型金属有机框架MOF，可见光下将烟气CO2一步转化为CO，选择性达95%
中国科学技术大学与香港城市大学的研究团队开发出一种由铁、锰、氧原子簇与有机连接体构成的新型金属有机框架（MOF）材料，可在可见光照射下直接捕获烟气浓度的CO2并将其转化为CO，CO选择性高达95%。成果发表于《Chem》，C&EN于6月23日报道。该材料将碳捕获与催化转化集成于同一活性位点，为燃煤电厂、工厂烟气“一锅法”碳利用提供了新路径，但钌光敏剂成本与烟气杂质耐受性仍是产业化关键瓶颈。
机器学习揭示 ZIFs 多晶型选择始于预成核簇阶段，非经典成核机制获定量支持
研究通过路径集体变量元动力学模拟和神经网络分类器，首次揭示了Zn(咪唑酯)2金属有机框架（ZIFs）多晶型选择发生在成核的最早阶段——预成核簇阶段。模拟构建了瞬态和中间体合成结构数据库，神经网络分析表明预成核簇和中间无序结构均具有多晶型依赖性。