- 首頁
- 資訊
暨南大學李丹/陸偉剛Angew：機器學習輔助探索MOF-5類似物的化學空間以增強C?H?/C?H?分離
來源：暨南大學 2025-03-15
導讀：為開發兼具高C2H6吸附量與優異C2H6/C2H4分離性能的MOF材料，暨南大學陸偉剛/李丹團隊提出一種數據驅動策略，通過機器學習輔助分子模擬篩選MOF-5類似物，并成功合成高性能材料。該研究為工業氣體分離提供了高效的材料設計新范式。
通訊作者： 陸偉剛、李丹
通訊單位： 暨南大學化學與材料學院
論文DOI：10.1002/anie.202500783為開發兼具高C2H6吸附量與優異C2H6/C2H4分離性能的MOF材料，暨南大學陸偉剛/李丹團隊提出一種數據驅動策略，通過機器學習輔助分子模擬篩選MOF-5類似物，并成功合成高性能材料。該研究為工業氣體分離提供了高效的材料設計新范式。C2H4是重要的化工原料，高效分離C2H6/C2H4對生產聚合級C2H4至關重要。由于C2H6/C2H4的物理化學性質高度相似，分離它們具有挑戰性，傳統的高壓低溫蒸餾方法能耗巨大。目前金屬有機框架（Metal–Organic Framework，簡稱MOF）因其可調孔道和表面功能化特性，已被用于分離C2H6/C2H4。但現有C2H6選擇性MOF材料難以兼顧高C2H6吸附量和C2H6/C2H4選擇性。MOF是由金屬節點（或金屬簇）和有機配體通過配位鍵組裝而成的三維周期性晶態材料。其設計基于三個關鍵要素：構建塊、目標網絡和網狀化學。原則上，給定模塊和連接信息，就可以通過分子模擬探究MOF框架的廣泛功能。MOF-5作為經典pcu型結構，具有立方型孔隙結構和高比表面積，在氣體吸附分離領域應用廣泛。MOF-5衍生物的化學空間龐大，傳統實驗篩選耗時費力。而機器學習輔助的分子模擬策略可避免大量試錯實驗，降低研發成本，加速高性能MOF-5類似物的開發。 1、數據驅動的高效探索：構建包含2824種MOF-5類似物的數據庫，結合XGBoost算法快速預測其C2H6吸附量和C2H6/C2H4選擇性。明確亨利系數比（S?）和乙烷亨利系數（K(C2H6)）是影響預測效果的關鍵因素，并揭示孔限制直徑（PLD）和可及比表面積（ASA）的協同作用。2、高性能材料的實驗驗證：實驗合成高性能材料，單組分氣體吸附實驗和動態穿透實驗證實了其對C2H6的高吸附量和C2H6/C2H4混合物的高效分離能力。圖1. (a) MOF-5類似物構建的示意圖; (b) 代表性的MOF-5類似物結構。 研究團隊首先以MOF-5作為母體框架，采用等網狀策略構建了一個兼具化學組成多樣性和結構尺寸多樣性的MOF-5類似物數據庫（2824個MOF）。MOF-5類似物構建時引入了9種不同的官能團（CH3、CF3、NO2、NH2、OH、OCH3、F、Cl和Br），增強MOF結構的化學成分多樣性。此外，通過引入不同長度的配體， MOF-5類似物的孔限制直徑（PLD）范圍為4.44 ? ~ 12.4 ?，可及表面積（ASA）范圍為650 ~ 5600 m2/g，具有豐富的孔道尺寸大小。圖2. (a) XGBoost算法對C2H6/C2H4（1/9）選擇性的預測結果與巨正則系綜蒙特卡洛（GCMC）模擬結果的比較。(b) XGBoost算法對C2H6/C2H4（1/9）混合物中C2H6吸附量的預測結果與巨正則系綜蒙特卡洛（GCMC）模擬結果的比較。(c) SHAP分析。(d) XGBoost模型預測的MOF-5類似物數據庫在298 K和1.0 bar下的C2H6吸附量和C2H6/C2H4（1/9）選擇性的關系圖。從淺紫色到紅色的色階表示亨利系數比（S0）的增加。隨后采用四種不同的機器學習算法進行訓練和測試，其中XGBoost算法對預測C2H6吸附量和C2H6/C2H4選擇性表現出最高的準確度。基于XGBoost模型進行SHAP分析探討了描述符的相對重要性。亨利系數比（S?）是影響C2H6/C2H4選擇性的關鍵因素，乙烷亨利系數（K(C2H6)）是影響C2H6吸附量的關鍵因素。使用訓練好的XGBoost模型對整個MOF-5類似物數據庫的性能進行預測，篩選出兼具高吸附量和選擇性的MOF結構。 圖3. (a) A-66和MOF-5在298 K下的單組分C2H6和C2H4吸附等溫線。(b) A-66和MOF-5在273 K下的單組分C2H6和C2H4吸附等溫線。(c) A-66和MOF-5對C2H6和C2H4的吸附熱。(d) 298 K和1.0 bar時C2H6吸附量和C2H6/C2H4吸附比的比較。(e) A-66在77 K下的N2吸附等溫線。(f) MOF-5在77 K下的N2吸附等溫線。基于機器學習輔助分子模擬策略，確定了性能優異的MOF（A-66），通過對A-66進行實驗合成和吸附性能的測試驗證了該策略的可行性。A-66在整段壓力測試范圍（0~1 bar）內對C2H6的吸附量均高于C2H4，表現出高的C2H6吸附量和C2H6/C2H4吸附比。此外，N2吸附實驗和PXRD測試證實了A-66相比MOF-5更優異的空氣和水穩定性。圖4. (a) A-66對C2H6/C2H4 (1/1)混合物的穿透實驗。(b) A-66對C2H6/C2H4 (1/9)混合物的穿透循環實驗。動態穿透實驗進一步驗證了A-66對C2H6/C2H4的實際分離性能，且具有良好的可循環利用性和一定的工業應用潛力。圖5. A-66在298 K和1.0 bar下吸附(a) C2H6和(b) C2H4的密度分布圖。獨立梯度模型 (IGMH)分析可視化 (c) C2H6和(d) C2H4與A-66的相互作用。通過吸附密度圖分析確定了A-66對C2H6/C2H4分子的最佳吸附位點。IGMH分析可視化了C2H6/C2H4分子與A-66的相互作用，發現A-66對C2H6具有更強的范德華作用和氫鍵作用。綜上，該工作提出一種機器學習輔助分子模擬策略，用于評估MOF-5類似物的C2H6/C2H4吸附分離性能。該策略可用于指導MOF吸附劑的開發，不僅適用于C2H6/C2H4分離，還可適用于其它具有挑戰性的輕烴分離。陸偉剛，教授/博士生導師，2012年至2015年美國德州農工大學助理研究科學家，2016年至2018年美國費耶維爾州立大學研究科學家，2018年至今在暨南大學化學與材料學院工作，主要從事晶態多孔材料主客體化學和超分子自組裝等方面的研究工作，主持國家及省部級科研項目7項，在Nature、Nat. Chem. Eng.、Chem、J. Am. Chem. Soc.、Angew. Chem. Int. Ed.等國際權威期刊上發表論文100余篇，ESI高被引論文12篇，論文總他引超過1萬次，H-index為43，擔任Nat. Chem.、Nat. Chem. Eng.、Nat. Rev. Mater.等期刊的審稿人。獲授權國際專利1件、中國專利7件。李丹，教授/博士生導師。從事超分子配位化學的研究工作，為合成技術、材料創新和晶體工程積累了實踐經驗及理論基礎。國家杰出青年基金獲得者（2008年），英國皇家化學會會士（FRSC，2014年），中國化學會首批高級會員（2020年）。主持國家自然科學基金重大研究計劃、原創探索計劃、重點項目和國家973計劃（課題組長）等。在國際權威學術刊物如Nature、Nat. Chem. Eng.、Chem、J. Am. Chem. Soc.、Angew. Chem. Int. Ed.等發表學術論文360多篇。獲國務院“政府特殊津貼專家” ，入選首屆國家 “萬人計劃” 領軍人才；曾獲得廣東省科學技術一等獎（第一完成人）、第十五屆廣東省丁穎科技獎。由李丹教授領導的廣東省超分子配位化學重點實驗室，旨在開展具有重大科學意義和應用前景的配位超分子功能材料的分子設計、合成技術、晶體工程和材料創制等研究，特別注重超分子配位組裝體、多孔固體材料等功能超分子體系的限域空間主客體化學及其在能源、環境和生物醫藥等領域的探索。廣東省功能配位超分子材料及應用重點實驗室常年招收研究人員和博士后。 文獻詳情：
Machine Learning-Assisted Exploration of Chemical Space of MOF-5 Analogues for Enhanced C2H6/C2H4 SeparationYing Wang, Zhi-Jie Jiang, Weigang Lu, Dan Li Angew. Chem. Int. Ed. 2025, e202500783.https://doi.org/10.1002/anie.202500783
聲明：化學加刊發或者轉載此文只是出于傳遞、分享更多信息之目的，并不意味認同其觀點或證實其描述。若有來源標注錯誤或侵犯了您的合法權益，請作者持權屬證明與本網聯系，我們將及時更正、刪除，謝謝。 電話：18676881059，郵箱：gongjian@huaxuejia.cn
在線客服
快速發布
我的店鋪
我的化學加
我的消息
我要充值
回到頂部
