Our official English website, www.x-mol.net, welcomes your
feedback! (Note: you will need to create a separate account there.)
通过机器学习预测 MOF 中的储氢量
Patterns ( IF 6.7 ) Pub Date : 2021-06-24 , DOI: 10.1016/j.patter.2021.100291 Alauddin Ahmed 1 , Donald J Siegel 1, 2, 3, 4
Affiliation
通过机器学习 (ML) 预测来自 19 个数据库的 918,734 种不同金属有机框架 (MOF) 的 H 2容量。仅使用 7 个结构特征作为输入,ML 就识别出了 8,282 个 MOF,它们有可能超越最先进材料的能力。所鉴定的 MOF 主要是具有低密度 (<0 id=110>−3 ) 以及高表面积 (>5,300 m 2 g −1 )、空隙率 (∼0.90) 和孔体积 (>3.3 cm) 的假设化合物。 3克-1 )。输入特征的相对重要性被表征,并且对 ML 算法和训练集大小的依赖关系被量化。预测H 2吸收的最重要特征是孔体积(对于重量容量)和空隙率(对于体积容量)。 ML 模型可在网上获取,允许根据有限的结构数据快速准确地预测 MOF 的氢容量;最简单的模型只需要单一的晶体学特征。
"点击查看英文标题和摘要"