一种用于分离气体混合物的金属有机骨架膜计算筛选方法技术

本发明专利技术涉及计算化学技术领域，公开了一种用于分离气体混合物的金属有机骨架膜计算筛选方法，利用MC和MD模拟6013个CoRE

【技术实现步骤摘要】
一种用于分离气体混合物的金属有机骨架膜计算筛选方法


[0001]本专利技术涉及计算化学、气体分离与能源环保
，具体涉及一种用于分离气体混合物的金属有机骨架膜计算筛选方法。

技术介绍

[0002]随着社会经济的快速发展，人们对能源的依赖越来越大，但是，能源不是用之不竭的。近年来，能源危机的加速促使人们思考如何使用更清洁、更环保、更高效的能源。
[0003]在化工行业中，分离技术起着不可或缺的作用，广泛应用于医药、食品、石油、化工、冶金等领域。然而，分离也消耗能源，特别是高通量气体分离。如工业中采用深冷分离分离O2/N2，但是能耗高，回收率低。此外，工业上还采用化学和物理吸附法去除CH4中的酸性组分(H2S和CO2)，包括低温甲醇法、醇胺法和碱法，但是能源消耗极高。
[0004]近年来，一种由有机链接和无机金属离子自组装而成的新型金属
‑
有机骨架材料引起了研究者们的关注。MOF具有较大的比表面积、较大的孔径、不饱和金属位点的结构性质，广泛应用于吸附、分离、存储和催化。迄今为止，已经合成了数以万计的MOF，其中大部分应用于气体分离。
[0005]相比于计算机筛选，常规实验消耗了大量的时间，能量和成本。在实验期间，试剂和药物还可能会伤害实验室工作人员，并且不可能对成千上万的MOF进行实验测试。因此，为了提高研究效率，许多研究者提出了高通量的人工智能计算机模拟来筛选和预测性能优良的MOF，这些算法解决了几何特征描述符和能量特征描述符对多自由度分离性能的影响。
[0006]对于需要在生产中分离的其他气体混合组分来说，许多膜材料被劝阻。在这项工作中，本专利技术对15个双组分气体混合物进行了实验，用于生产中的分离要求，并试图采用非常规的技术手段，找到这些气体在CoRE
‑
MOFM上的最佳分离性能。

技术实现思路

[0007]本专利技术的目的在于提供一种用于分离气体混合物的金属有机骨架膜计算筛选方法，采用非常规的方法，以解决上述
技术介绍
中提出的问题。
[0008]为实现上述目的，本专利技术提供如下技术方案：
[0009]一种用于分离气体混合物的金属有机骨架膜计算筛选方法，包括以下步骤：
[0010]S1：利用Monte Carlo(MC)和Dolecular Dynamics(MD)模拟6013个CoRE
‑
MOFM，并计算六个特征描述符和44个性能指标。
[0011]S2：利用主成分分析将15种气体混合物的44个性能指标减少到10维集合中。
[0012]S3：使用五折交叉验证进行优化和评估四种机器学习方法。
[0013]优选的，所述S1中，15个二元混合气体体系包括CO2/CH4，CO2/H2S，CO2/N2，H2/CH4，H2/CO2，H2/N2，H2S/CH4，H2/O2，He/CH4，He/CO2，He/H2，He/N2，N2/CH4，O2/N2和He/O2，CoRE
‑
MOFM分离包括O2/N2，CO2/CH4，H2/N2，He/空气，H2/CH4。
[0014]优选的，所述步骤S1中，6个CoRE
‑
MOFM的结构描述符分别为孔径极限直径、最大孔
径、体积比表面积、孔隙率、孔径分布和密度。
[0015]优选的，所述步骤S1中，用Zeo++软件计算了最大孔径和孔径极限直径，所述S1中，采用RASPA软件包进行MC和MD模拟，分别计算了6013个CoRE
‑
MOF中CH4、N2、H2S、O2、CO2和H2的亨利系数和扩散系数。
[0016]优选的，所述步骤S2中，分析性能指标并选择了85％以上的前10个主成分来涵盖所有的数据变异性信息作为衡量性能的标准，包括使用PCA降维的7个气体扩散系数、15个混合气体扩散选择性、7个气体渗透率和15个气体渗透选择性。
[0017]优选的，所述步骤S3中，应用了五折交叉验证评估四种机器学习方法评估预测性能：决策树，随机森林，支持向量机和反向传播神经网络，所述S3中，每个算法重复五次。
[0018]优选的，所述步骤S3中，运用五折交叉验证，把数据随机分为5组，其中一组为测试集，其余四组为训练集。
[0019]优选的，所述步骤S3中，计算了线性相关值和均方根误差作为机器学习的预测标准。
[0020]与现有技术相比，本专利技术的有益效果是：
[0021]1.该用于分离气体混合物的金属有机骨架膜计算筛选方法，运用Zeo++、RASPA软件，能够快速准确地计算并筛选出用于分离气体混合物的金属有机骨架膜，效率高，准确度好。
[0022]2.该用于分离气体混合物的金属有机骨架膜计算筛选方法，采用的机器学习方法有很好的预测性能，也适用于其他MOF，适配性和普遍性强，能为预测和研发其他未知的MOF提供了基础。
[0023]3.该用于分离气体混合物的金属有机骨架膜计算筛选方法，运用机器学习，取代了传统人工实验，节省了人力资源、能源消耗、时间和经济成本，安全性高，可靠性强，加快了MOF的筛选和研发。
附图说明
[0024]为了更清楚地说明本专利技术实施例中的技术方案，下面将对实施例描述中所需要使用的附图作简单地介绍，显而易见地，下面描述中的附图仅仅是本专利技术的一些实施例，对于本领域普通技术人员来讲，在不付出创造性劳动性的前提下，还可以根据这些附图获得其他的附图。
[0025]图1为本专利技术实施例用于分离气体混合物的金属有机骨架膜(CoRE
‑
MOFM)的流程例图；
[0026]图2为本专利技术具体实施过程的一种示例性框架例图；
[0027]图3为本专利技术实施例中六个特征描述符的相对重要性与RF算法模型的PC图；
[0028]图4为本专利技术实施例中随机森林机器学习方法对PC的预测性能与模拟结果图。
具体实施方式
[0029]下面将结合本专利技术实施例中的附图，对本专利技术实施例中的技术方案进行清楚、完整地描述，显然，所描述的实施例仅仅是本专利技术一部分实施例，而不是全部的实施例。基于本专利技术中的实施例，本领域普通技术人员在没有做出创造性劳动前提下所获得的所有其他
实施例，都属于本专利技术保护的范围。
[0030]实施例
[0031]请参阅图1
‑
4，本专利技术提供的用于分离气体混合物的金属有机骨架膜计算筛选方法，其基于机器学习系统，具体如图1和图2所示，包括以下步骤：
[0032]S1：利用Monte Carlo(MC)和Dolecular Dynamics(MD)模拟6013个CoRE
‑
MOFM，并计算六个特征描述符和44个性能指标。
[0033]S2：利用主成分分析将15个气体混合物的44个性能指标减少到10维集合中。
[0034]S3：使用五折交叉验证进行优化和评估四种机器学习方法。
[0035]作为优选，步骤S1包括：
[本文档来自技高网...

【技术保护点】

【技术特征摘要】
1.一种用于分离气体混合物的金属有机骨架膜计算筛选方法，其特征在于，包括以下步骤：S1：利用Monte Carlo(MC)和Dolecular Dynamics(MD)模拟6013个CoRE
‑
MOFM，并计算六个特征描述符和44个性能指标；S2：利用主成分分析将15种气体混合物的44个性能指标减少到10维集合中；S3：使用五折交叉验证进行优化和评估四种机器学习方法。2.根据权利要求1所述的用于分离气体混合物的金属有机骨架膜计算筛选方法，其特征在于：所述步骤S1中，15个二元混合气体体系包括CO2/CH4，CO2/H2S，CO2/N2，H2/CH4，H2/CO2，H2/N2，H2S/CH4，H2/O2，He/CH4，He/CO2，He/H2，He/N2，N2/CH4，O2/N2和He/O2，CoRE
‑
MOFM分离包括O2/N2，CO2/CH4，H2/N2，He/空气，H2/CH4。3.根据权利要求1所述的用于分离气体混合物的金属有机骨架膜计算筛选方法，其特征在于：所述步骤S1中，6个CoRE
‑
MOFM的结构描述符分别为孔径极限直径、最大孔径、体积比表面积、孔隙率、孔径分布和密度。4.根据权利要求1所述的用于分离气体混合物的金属有机骨架...

【专利技术属性】
技术研发人员：关雅芳，乔智威，黄晓珊，梁浩斌，柯诗晴，傅奇斌，马颖怡，
申请(专利权)人：广州大学，
类型：发明
国别省市：