在預測和發現特定應用的材料方面，機器學習的勢頭正在增強。鑒于金屬?有機骨架(MOF)的豐富，對現有的用于丙烷/丙烯(C3H8/C3H6)分離的MOF進行計算篩選對于開發新的MOF可能同樣重要。
在這里，暨南大學Weigang Lu，Dan Li報告了一種機器學習輔助策略，用于從核心MOF數據庫中篩選C3H8選擇性MOF。
文章要點
1）在機器學習的四種算法中，隨機森林(RF)算法表現出最高的準確率。
2）研究人員通過實驗驗證了所確定的最高性能MOF(JNU-90)具有基準選擇性和直接生產C3H6的分離性能。
3）由于JNU-90具有良好的水解穩定性，因此在C3H8/C3H6的節能分離中具有廣闊的應用前景。
這項工作可能會加速MOF的發展，以應對具有挑戰性的分離。
參考文獻
Ying Wang, et al, Machine Learning-Assisted Discovery of Propane-Selective Metal?Organic Frameworks, J. Am. Chem. Soc., 2024
https://doi.org/10.1021/jacs.3c14610
