孔隙几何识别：论量化纳米多孔材料相似性的重要性

在纳米多孔材料的大多数应用中，孔隙结构与化学组成对性能的决定作用同等重要。例如，仅通过修改孔隙结构即可使碳捕集或甲烷存储等应用的性能改变数个数量级(1,2)。因此，对于这些应用，识别最优孔隙几何并利用该信息寻找相似材料十分重要。然而，用于识别具有相似孔隙结构但不同组成的材料的数学语言与工具一直匮乏。在此，我们开发了一种孔隙识别方法来量化孔隙结构的相似性，并利用拓扑数据分析(topological data analysis)对其分类(3,4)。我们的方法使我们能够识别具有相似孔隙几何的材料，并筛选与给定顶级性能结构相似的材料。以甲烷存储为案例，我们还表明材料可被划分为拓扑上不同的类别——且每一类需要不同的优化策略。本工作我们聚焦于孔隙空间，但我们的拓扑方法可推广至量化任意几何对象的相似性，鉴于众多不同的材料基因组计划(Materials Genomics initiatives)，这为大数据科学开辟了诸多有趣途径。