有效識別 63 萬個三維空間構型，清華大學牽頭發布 Uni-MOF 模型，預測 MOF 吸附能力

AIGC動態歡迎閱讀

原標題：有效識別 63 萬個三維空間構型，清華大學牽頭發布 Uni-MOF 模型，預測 MOF 吸附能力
關鍵字：材料,氣體,性能,材料科學,數據
文章來源：HyperAI超神經
內容字數：8342字

內容摘要：

作者：梅菜
編輯：李寶珠，三羊
清華大學化工系盧滇楠教授團隊，聯合美國加州大學河濱分校吳建中教授和北京科學智能研究院高志鋒研究員，提出一種三維 MOF 材料吸附行為的機器學習模型 Uni-MOF，用于預測各類工況下納米多孔材料對各類氣體的吸附性能。工業世界里，高純氣體被廣泛應用于半導體制造、光纖生產、科學研究、醫療健康、環保能源等諸多領域。例如，半導體行業，高純氣體是芯片制造的關鍵原材料，直接影響著集成電路的性能和良率。
制備高純氣體的關鍵挑戰便是氣體分離，常見的氣體分離方法有深冷法（精餾原理）、吸附法（分子極性）、膜法（膜過濾）等。其中，金屬有機框架 (MOFs) 由于具有高度有序的孔結構和可調節的孔徑大小，在氣體吸附存儲與分離方面展現出巨大的應用潛力。相關人士預測，MOFs 對 21 世紀的重要性可能與塑料對 20 世紀的重要性一樣。
然而準確預測 MOFs 吸附能力仍面臨諸多挑戰，針對這一問題，清華大學化工系盧滇楠教授團隊，聯合美國加州大學河濱分校吳建中教授和北京科學智能研究院高志鋒研究員，近日在 nature communications 發布了題為「A comprehensi

原文鏈接：有效識別 63 萬個三維空間構型，清華大學牽頭發布 Uni-MOF 模型，預測 MOF 吸附能力

聯系作者

文章來源：HyperAI超神經
作者微信：HyperAI
作者簡介：解構技術先進性與普適性，解讀更前沿的 AIForScience 案例