Open DAC 2023 数据集及直接空气捕集中的吸附剂发现挑战
材料科学
2023-11-28 v2 机器学习
摘要
应对全球气候变化亟需新的二氧化碳去除方法。直接空气捕集（DAC）是一项新兴技术，可直接从环境空气中捕获二氧化碳。金属有机框架（MOFs）作为 DAC 中潜在可定制的吸附剂已被广泛研究。然而，由于待探索的化学空间广阔，且需理解材料随湿度和温度变化的函数关系，发现有前景的 MOF 吸附剂极具挑战。我们探索了一种受益于近期机器学习（ML）创新的计算方法，并提出了名为 Open DAC 2023（ODAC23）的数据集，包含超过 8,400 种含吸附 和/或 的 MOF 材料上的超过 3800 万次密度泛函理论（DFT）计算。ODAC23 是目前可用的 DFT 精度下规模最大的 MOF 吸附计算数据集。除探测吸附分子性质外，该数据集还是 MOF 结构弛豫信息的丰富来源，将在 DAC 特定应用之外的许多场景中发挥作用。ODAC23 中直接识别出大量具有 DAC 前景的 MOF。我们还基于该数据集训练了最先进的 ML 模型以近似 DFT 级别的计算。这一开源数据集及我们的初始 ML 模型将为未来识别广泛用于包括 DAC 在内各类应用的 MOF 提供重要基线。
引用
@article{arxiv.2311.00341,
title = {The Open DAC 2023 Dataset and Challenges for Sorbent Discovery in Direct Air Capture},
author = {Anuroop Sriram and Sihoon Choi and Xiaohan Yu and Logan M. Brabson and Abhishek Das and Zachary Ulissi and Matt Uyttendaele and Andrew J. Medford and David S. Sholl},
journal= {arXiv preprint arXiv:2311.00341},
year = {2023}
}