用于预测铝交换沸石中二氧化碳吸附的图神经网络
材料科学
2024-03-29 v2 机器学习
摘要
高效预测沸石吸附特性的能力对于加速新型材料的设计过程大有裨益。这些材料现有的构型空间非常广阔，而现有的分子模拟方法计算成本高昂。在这项工作中，我们提出了一个模型，其吸附特性预测速度比分子模拟快 4 到 5 个数量级。为了验证该模型，我们生成了包含 MOR、MFI、RHO 和 ITW 沸石各种铝构型的数据集，以及通过 Monte Carlo 模拟获得的 CO 吸附热和 Henry 系数。从机器学习模型获得的预测与从 Monte Carlo 模拟获得的值一致，证实该模型可用于属性预测。此外，我们表明该模型可用于识别吸附位点。最后，我们通过将模型与遗传算法相结合，评估了其生成新型沸石构型的能力。
关键词
引用
@article{arxiv.2403.12659,
title = {Graph Neural Networks for Carbon Dioxide Adsorption Prediction in Aluminium-Exchanged Zeolites},
author = {Marko Petković and José Manuel Vicent-Luna and Vlado Menkovski and Sofía Calero},
journal= {arXiv preprint arXiv:2403.12659},
year = {2024}
}