國產期刊Green Energy Environ.：面向空氣中微量甲醛捕獲的疏水金屬-有機框架的高通量計算和機器學習預測

背景介紹

隨著全球工業化的發展，空氣污染越來越嚴重，而揮發性有機物(Volatile Organic Compounds, VOCs)被認為是主要污染源之一。作為VOCs中最常見和最典型的一種有害物質，甲醛廣泛存在于我們的生活當中，從涂料、家居到化妝品和服飾都會存在一定量的甲醛。即使是微量的甲醛，也會對呼吸道粘膜、皮膚、眼睛等產生刺激，甚至會引發腫瘤和癌癥。對于VOCs的去除，吸附法具有反應條件溫和，反應完全，二次污染小等優點，因此得到了廣泛應用。吸附劑在吸附過程中起決定性作用，疏水型吸附劑可以避免在濕環境中被水分子優先占據吸附位點從而影響吸附效果。

近年來，一類被稱為“金屬-有機框架（MOF）”的多孔配位聚合物成為了新材料界的研究熱點，受到了學術界的廣泛關注。MOF由金屬離子和有機配體自組裝構成，骨架柔韌，也被稱作“軟沸石”，但事實上它比沸石等傳統的無機材料擁有更大的比表面積、孔隙率以及孔結構功能化和設計多樣化的潛力。其結構特性，包括拓撲、孔徑、形狀和表面化學，因其本身的積木性質，都是可以根據實際需要調節的。MOF的篩選逐漸與計算機融合并應用，呈現出了學科交叉的趨勢，基于分子模擬和機器學習(ML)的高通量計算篩選已經成為了評判MOF性能極限的一種高效方法，通過數據挖掘技術和機器學習算法分析和預測材料的結構性能規律，可以篩選或設計出最具有應用前景的吸附材料。盡管MOF常見于VOCs的吸附領域，但很少有關于捕獲低濃度甲醛的報道。

成果簡介

針對室內或者車內空氣中甲醛含量超標的問題，廣州大學的喬智威首先從137953個假設的MOFs中篩選出了31399個疏水的MOFs(hMOFs)，通過高通量計算篩選了它們對于微量甲醛(13.41mg/m³)的吸附效果，即吸附量(N_HCHO)和選擇性(S_HCHO/N2+O2)，并引入了權衡值TSC。作者應用了四種ML方法(即反向傳播神經網絡(BPNN)，支持向量機(SVM)，極限學習機(ELM)和隨機森林(RF))對劃分出來的三個數據集(AM，P_N和P_S)的三個性能指標(N_HCHO, S_HCHO/N2+O2和TSC)進行性能預測。作者發現，就預測的準確性而言，P_S > AM > P_N，TSC > N_HCHO > S_HCHO/N2+O2，RF > BPNN > SVM > ELM；RF算法在P_S數據集中對TSC進行預測時，能量描述符亨利系數(K_HCHO)和吸附熱(Q⁰_st)的相對重要性最高，分別為40.315%和18.321%。作者以統計數據集中有希望的MOF及數據集在各描述符的區間下的個數為出發點，定量地定義了在描述符路徑下尋找到最優吸附劑的概率，在P_N數據集中，由K_HCHO(0.004-0.008 mol/kg/Pa)和Q⁰_st(37-46 KJ/mol)篩選到優異MOF的概率分別可達到100%和77.419%，這為MOF的快速篩選提供了可能。相關成果以 “Machine Learning and High-Throughput Computational Screening of Hydrophobic Metal-Organic Frameworks for Capture of Formaldehyde from Air” 發表于國產期刊Green Energy Environ.期刊上。

圖文導讀

圖一、四種算法對P_S數據集的TSC性能的預測

(a) BPNN算法；(b)SVM算法；(c)ELM算法；(d)RF算法。色譜柱的顏色代表MOF數量以10為底的對數。

圖二、 從空氣中分離甲醛的六個描述符的數值分布

圈里的數字代表MOFs的個數；外圈代表P_N的1461個MOFs；內圈代表其206個有希望的MOFs。

圖三、 各數據集根據六個描述符獲得優異MOFs的概率

小結

MOF作為新一代多孔材料近年來受到了廣泛關注，對VOC氣體的捕獲也是其應用的重要分支，但是針對現實中極低濃度VOC的捕獲仍然具有挑戰。作者以從空氣中捕獲低濃度甲醛為目標，通過高通量計算篩選，機器學習算法以及路徑定義相結合的研究新思路，獲得了關于疏水MOF結構-性能方面的規律，將對濕環境低濃度甲醛的吸附劑設計提供可靠的參考和指導作用。

文獻鏈接：Machine Learning and High-Throughput Computational Screening of Hydrophobic Metal-Organic Frameworks for Capture of Formaldehyde from Air (Green Energy Environ., 2020, DOI: 10.1016/j.gee.2020.06.024)

本文由廣州大學喬智威教授團隊投稿。