使用GFlowNets发现用于二氧化碳捕集的新型网状材料
计算工程、金融与科学
2024-09-20 v2 材料科学
摘要
人工智能有望改进材料发现。GFlowNets是一种新兴的深度学习算法，在AI辅助发现中有诸多应用。通过使用GFlowNets，我们生成了多孔网状材料，例如金属有机框架与共价有机框架，用于二氧化碳捕集。我们引入了一个新的Python包（matgfn）来训练与采样GFlowNets。我们使用matgfn生成了matgfn-rm数据集，其中包含质量表面积高于5000 m/g的新型且多样的网状材料。我们对matgfn-rm中前100个候选者计算了单组分与双组分气体吸附等温线。这些候选者与最先进的ARC-MOF数据集相比是新颖的，并且相对于CoRE2019数据集在工作容量上位于第90百分位。我们发现了15种优于CoRE2019中所有材料的材料。
引用
@article{arxiv.2310.07671,
title = {Discovery of Novel Reticular Materials for Carbon Dioxide Capture using GFlowNets},
author = {Flaviu Cipcigan and Jonathan Booth and Rodrigo Neumann Barros Ferreira and Carine Ribeiro dos Santos and Mathias Steiner},
journal= {arXiv preprint arXiv:2310.07671},
year = {2024}
}