在预测和发现特定应用的材料方面，机器学习的势头正在增强。鉴于金属−有机骨架(MOF)的丰富，对现有的用于丙烷/丙烯(C3H8/C3H6)分离的MOF进行计算筛选对于开发新的MOF可能同样重要。

在这里，暨南大学Weigang Lu，Dan Li报告了一种机器学习辅助策略，用于从核心MOF数据库中筛选C3H8选择性MOF。

文章要点

1）在机器学习的四种算法中，随机森林(RF)算法表现出最高的准确率。

2）研究人员通过实验验证了所确定的最高性能MOF(JNU-90)具有基准选择性和直接生产C₃H₆的分离性能。

3）由于JNU-90具有良好的水解稳定性，因此在C₃H₈/C₃H₆的节能分离中具有广阔的应用前景。

这项工作可能会加速MOF的发展，以应对具有挑战性的分离。

参考文献

Ying Wang, et al, Machine Learning-Assisted Discovery of Propane-Selective Metal−Organic Frameworks, J. Am. Chem. Soc., 2024

https://doi.org/10.1021/jacs.3c14610