CN119495385A 一种筛选吸附和分离惰性气体材料的方法、介质及设备 （北京化工大学）

号一种筛选吸附和分离惰性气体材料的方法、本发明涉及一种筛选吸附和分离惰性气体基本LCD、PLD等参数范围条件进行筛选，降低选高性能吸附和分离惰性气体的材料起到了促2S1.准备具有广泛代表性的MOFs数据库S2.在具有广泛代表性的MOFs数据库S3.根据最大自由路径LCD和受限孔PLD的预先设定值，对潜在MOFs材料数据库进行筛S4.模拟单个惰性气体在广泛代表性的MOFs数据库中的MOFs上的吸附，得到吸附性能2.根据权利要求1所述的方法，其特征在的eMOFs组成的eMOFs数据库和由理论构建5.根据权利要求2所述的方法，其特征在于，所述描述符采用Zeo++、Poreblazer、8.根据权利要求1所述的方法，其特征在于，所述调整超参数采用随机搜索或网格搜3型纳米多孔吸附剂的吸附分离技术产生了更加广[0003]借助化学理论和计算机技术构建出大量可能被合成的纳米多孔材料，包括MOFs、助高通量计算(High_throughputComputationalScreening，HTCS)技术来实现对惰性气端梯度提升树(ExtremeGradientBoosting,XGB)和梯度提升树(Gradientboostingregressiontree,GBR)等来4[0010]S3.根据最大自由路径LCD和受限孔PLD的预[0011]S4.模拟单个惰性气体在广泛代表性型预测测试集数据MOF对惰性气体的吸附性能参数，并计算对MOFs材料的预测权衡值的准[0016]如上所述的方面和任一可能的实现方式，进一步提供一种实现方式，所述潜在MOFs材料数据库包括由实验制备的eMOFs组成的eMOFs数据库和由理论构建的hMOFs组成的中筛选出吸附高性能MOFs，具体内容为：通过建立的预测惰性气体吸附模型将新生成的5[0026]本发明针对惰性气体高效准确吸附分离的有机框架吸附材料的方法采用机器学[0036]S3.根据最大自由路径LCD和受限孔PLD的预[0037]S4.模拟单个惰性气体在广泛代表性型预测测试集数据MOF对惰性气体的吸附性能参数，并计算对MOFs材料的预测权衡值的准6[0041]本发明提供一种机器学习辅助高通量计算技术来高效准确地实现筛选高性能吸吸附分离效果优异，本发明用其来构建MOFs性质与惰性气体吸附的模型关系，所述潜在MOFs材料数据库包括由实验制备的eMOFs组成的eMOFs数据库和由理论构建的hMOFs组成的载研究人员利用实验制备和借助化学理论和计算机技术被合成的MOFs数据库潜在MOFs材的MOFs数据库中MOFs的最大自由直径LCD(LargestCavityDiameter,LCD)、受限孔直径或设定值范围参数，采样这些事先的设定值对潜在MOFs材料数据库进行筛选,筛选出潜在[0046]S4、使用GCMC方法分别模拟单个惰性气体在广泛代表性的MOFs数据库MOFs的吸选择性S和权衡值TSN)，将该步骤所得的吸附性能参数和S2中得到的描述符结合建立数据测测试集的该描述符参数对应的MOF对惰性气体的吸附性能参数，并计算对MOFs材料的预[0050]S6.利用结构与吸附性质模型，预测筛7于步骤S6获得的预测模型及预测情况，对预测结果进行分析,来评价所采用的预测模[0054]建立具有广泛代表性的MOFs数据库：通过从文献中收集900个左右对惰性气体吸[0056]选择CoREMOF2019数据集里的9146个数据作为潜在MOFs数据库，该数据库已包[0059](3)使用GCMC方法模拟Xe或Kr在广泛代表性的MOFs数据库中MOFs的吸附得到MOFs[0060]如图3所示，最后确定出描述符对于预测吸附选择性PearsonCorrelation岭回归模型Ridge和支持向量机回归模型SVR作8模型对步骤(4)得到的筛选后的潜在MOFs数据库进行预测，得到满足要求的吸附和分离惰森林模型RF和梯度增强回归树GBRT的预测结果更加准确，其中的测试集和