通过机器学习分析结构与电子性质预测金属有机框架对 CO$_2$ 封存的效率
机器学习
2021-10-13 v1 化学物理
摘要
由于气候变化的惊人速度，高效 CO 捕集的实施已变得至关重要。本项目旨在利用机器学习创建一种算法，预测 CO 吸附型金属有机框架（MOF）的摄取量。这些数值进而可衡量这些 MOF 的效率，并为希望最大化摄取量的科学家提供一种判断该 MOF 是否值得合成的方法。该算法将节省时间和设备等资源，因为科学家能够忽略低效率的假设 MOF。此外，本文还将突出数据集内最重要的特征。本研究将有助于实现 CO 吸附型 MOF 的快速合成。
引用
@article{arxiv.2110.05753,
title = {Predicting the Efficiency of CO$_2$ Sequestering by Metal Organic Frameworks Through Machine Learning Analysis of Structural and Electronic Properties},
author = {Mahati Manda},
journal= {arXiv preprint arXiv:2110.05753},
year = {2021}
}
备注
5 pages, 7 figures, github code provided