欧美色盟,色婷婷AV一区二区三区之红樱桃,亚洲精品无码一区二区三区网雨,中国精品视频一区二区三区

金屬有機框架(MOFs)由于具有高比表面積、高孔隙率、可調節孔徑、化學多樣性等優點，在吸附、催化、傳感器等領域具有巨大的應用潛力。當其用于氣體分離和催化時，擴散速率往往對工藝的整體速率有顯著影響，因此確定MOFs內分子擴散速率具有重要意義。目前已有大量MOFs被設計、合成和預測，實驗測量所有MOFs的擴散速率具有相當大的難度。雖然分子動力學模擬技術可以彌補實驗的某些不足，但其仍需較大的算力和時間。作為替代方案，機器學習具有更高效、更準確的優勢。

團隊利用分子模擬結果與機器學習相結合，建立了一個可快速準確預測分子在多孔晶體材料中的擴散性能的機器學習模型，并結合Shapley Additive Explanations技術挖掘了MOFs特征、待分離氣體特征與擴散性能之間的構-效關系；同時基于訓練后的 LGBM模型開發了一款軟件，以協助工作者計算分子在多孔晶體材料中的擴散性。（訪問鏈接：https://github.com/guoshuya1234/Pred_D_software.git）該工作為探索MOFs的結構-性質關系和實現分子擴散系數的快速計算提供了新的方向。

該研究工作獲得了國家自然科學基金、廣東省青年拔尖人才計劃、廣東省自然科學基金和中國博士后科學基金的支持。

原文鏈接：

https://onlinelibrary.wiley.com/doi/10.1002/advs.202301461