有效识别 63 万个三维空间构型，清华大学牵头发布 Uni-MOF 模型，预测 MOF 吸附能力

AIGC动态欢迎阅读

原标题：有效识别 63 万个三维空间构型，清华大学牵头发布 Uni-MOF 模型，预测 MOF 吸附能力
关键字：材料,气体,性能,材料科学,数据
文章来源：HyperAI超神经
内容字数：8342字

内容摘要：

作者：梅菜
编辑：李宝珠，三羊
清华大学化工系卢滇楠教授团队，联合美国加州大学河滨分校吴建中教授和北京科学智能研究院高志锋研究员，提出一种三维 MOF 材料吸附行为的机器学习模型 Uni-MOF，用于预测各类工况下纳米多孔材料对各类气体的吸附性能。工业世界里，高纯气体被广泛应用于半导体制造、光纤生产、科学研究、医疗健康、环保能源等诸多领域。例如，半导体行业，高纯气体是芯片制造的关键原材料，直接影响着集成电路的性能和良率。
制备高纯气体的关键挑战便是气体分离，常见的气体分离方法有深冷法（精馏原理）、吸附法（分子极性）、膜法（膜过滤）等。其中，金属有机框架 (MOFs) 由于具有高度有序的孔结构和可调节的孔径大小，在气体吸附存储与分离方面展现出巨大的应用潜力。相关人士预测，MOFs 对 21 世纪的重要性可能与塑料对 20 世纪的重要性一样。
然而准确预测 MOFs 吸附能力仍面临诸多挑战，针对这一问题，清华大学化工系卢滇楠教授团队，联合美国加州大学河滨分校吴建中教授和北京科学智能研究院高志锋研究员，近日在 nature communications 发布了题为「A comprehensi

原文链接：有效识别 63 万个三维空间构型，清华大学牵头发布 Uni-MOF 模型，预测 MOF 吸附能力

联系作者

文章来源：HyperAI超神经
作者微信：HyperAI
作者简介：解构技术先进性与普适性，解读更前沿的 AIForScience 案例