![Adv. Sci.: 高通量篩選+機器學習發(fā)現(xiàn)用于車載甲烷儲存和輸送的高性能MOF Adv. Sci.: 高通量篩選+機器學習發(fā)現(xiàn)用于車載甲烷儲存和輸送的高性能MOF](http://m.xiubac.cn/wp-content/themes/justnews/themer/assets/images/lazy.png)
液化天然氣(LNG)氣化與吸附天然氣(ANG)充注(LNG-ANG耦合)是一種有效輸送天然氣的新興策略。然而,LNG-ANG實現(xiàn)車載甲烷儲存的高級研究項目機構能源(APRA-E)目標的潛力尚未得到充分研究。
在此,韓國釜山國立大學Yongchul G. Chung、延世大學Youn-Sang Bae等人結合高通量計算和機器學習(ML)方法,從計算就緒實驗(CoRE)MOF數(shù)據(jù)庫中沒有開放金屬位點(OMS)的5446個結構中識別出用于車載甲烷儲存和輸送的高性能MOF。
在基于孔徑和金屬種類的2步篩選后,作者對得到的2144個結構進行高通量巨正則蒙特卡羅(GCMC)模擬構建了LNG-ANG條件下工作能力最高的50個材料。LNG-ANG操作在解吸和吸附操作之間需要約140 K的較大溫度波動,這可能導致晶體結構的晶格參數(shù)和可用孔體積發(fā)生變化。
這種變化的程度可能是非常明顯的,因此作者對50個結構進行了MD模擬以識別相對于大溫度變化整體結構變化最小的材料,隨后對MD模擬獲得的結構進行GCMC模擬能夠識別在溫度和壓力波動期間其甲烷吸收和工作能力發(fā)生微小變化的材料。
圖1. 高通量計算篩選結果
進一步,作者基于模擬的大數(shù)據(jù)上進行了ML模型的訓練,從而比較 LNG-ANG和ANG條件之間材料性能的特征重要性的變化。結果表明,可接近的重量表面積、空隙率和吸附熱是優(yōu)化 LNG-ANG 條件下甲烷儲存和輸送的關鍵特征。最終,兩種同構MOF(DUT-23(M), M = Cu, Co)被確定為有前景的材料。
到目前為止,在LNG-ANG條件下測量的DUT-23(Cu)和 DUT-23(Co)的甲烷工作能力(373.1和365.3 cm3(STP)cm-3)高于在ANG或LNG-ANG 條件下報道的任何其他多孔材料。甚至,在 LNG-ANG 條件下,DUT-23(Cu)具有穩(wěn)定的反復吸附甲烷能力??傊紤]到外部溫度和壓力對MOF結構的影響,這項研究采用一種新穎的計算篩選策略獲得了用于LNG-ANG耦合系統(tǒng)的創(chuàng)紀錄的高性能MOF材料,該材料有望在實踐中用于車載甲烷儲存和輸送。
圖2. DUT-23(M)的合成與評價
Discovery of High-Performing Metal–Organic Frameworks for On-Board Methane Storage and Delivery via LNG–ANG Coupling: High-Throughput Screening, Machine Learning, and Experimental Validation, Advanced Science 2022. DOI: 10.1002/advs.202201559
原創(chuàng)文章,作者:v-suan,如若轉載,請注明來源華算科技,注明出處:http://m.xiubac.cn/index.php/2023/10/13/04fc4aa8bb/