計算建模指導新材料的開發

金屬有機框架是一類具有多孔分子結構的材料，具有多種可能的應用，例如捕獲有害氣體和催化化學反應。它們由有機分子連接的金屬原子制成，可以以數十萬種不同的方式進行配置。

為了幫助研究人員篩選所有可能的金屬有機框架 (MOF) 結構并幫助確定對特定應用最實用的結構，麻省理工學院計算化學家團隊開發了一個可以分析 MOF 特征的模型結構并預測它是否足夠穩定以供使用。

研究人員希望這些計算預測將有助于縮短新 MOF 的開發時間。

麻省理工學院化學工程副教授 Heather Kulik 說：“這將使研究人員能夠在遇到合成材料的麻煩之前測試特定材料的前景。”

麻省理工學院的團隊現在正致力于開發可用于捕獲甲烷氣體并將其轉化為有用的化合物(如燃料)的 MOF。

研究人員在兩篇論文中描述了他們的新模型，一篇在 化學學會雜志上 ，另一篇在 科學數據上。研究生 Aditya Nandy 和 Gianmarco Terrones 是 Scientific Data 論文的主要作者，Nandy 也是 JACS 論文的主要作者。Kulik 是這兩篇論文的資深作者。

建模結構

MOF 由金屬原子組成，這些金屬原子通過稱為接頭的有機分子連接起來，形成剛性的籠狀結構。這些材料還具有許多孔隙，這使得它們可用于催化涉及氣體的反應，但也可能使它們在結構上不太穩定。

“在工業規模上看到 MOF 的局限性在于，雖然我們可以通過控制每個原子在結構中的位置來控制它們的特性，但就材料而言，它們不一定那么穩定，”Kulik 說。“它們非常多孔，可以在我們催化所需的現實條件下降解。”

20 多年來，科學家們一直致力于設計 MOF，并且已經發表了數千種可能的結構。一個集中式存儲庫包含大約 10,000 個此類結構，但與已發表的有關這些結構屬性的任何發現都沒有關聯。

Kulik 擅長使用計算建模來發現材料的結構-性質關系，他希望采用更系統的方法來分析和分類 MOF 的性質。

“當人們現在制作這些時，主要是反復試驗。MOF 數據集非常有前途，因為有很多人對 MOF 感到興奮，所以從每個人的工作中可以學到很多東西，但與此同時，它非常嘈雜，而且它的報告方式并不系統，”她說.

Kulik 和她的同事開始使用自然語言處理算法分析已發表的 MOF 結構和屬性報告。使用這種算法，他們搜索了近 4,000 篇已發表的論文，提取了有關給定 MOF 分解溫度的信息。他們還提取了有關特定 MO??F 是否能夠承受去除用于合成它們的溶劑并確保它們變得多孔所需的條件的數據。

一旦研究人員獲得了這些信息，他們就使用它來訓練兩個神經網絡，以根據分子結構預測 MOF 在溶劑去除過程中的熱穩定性和穩定性。

“在你開始使用一種材料并考慮將其放大以適應不同的應用之前，你想知道它是否能承受住，或者它會在我想要使用它的條件下降解嗎?” 庫利克說。“我們的目標是更好地預測什么是穩定的 MOF。”

更好的穩定性

使用該模型，研究人員能夠識別影響穩定性的某些特征。通常，具有較少化學基團的更簡單的接頭更穩定。孔徑也很重要：在研究人員進行分析之前，人們認為具有較大孔徑的 MOF 可能過于不穩定。然而，麻省理工學院的團隊發現，如果大孔 MOF 結構的其他方面抵消了大孔徑，那么大孔 MOF 可以保持穩定。

“由于 MOF 有很多東西可以同時變化，例如金屬、連接體、連接性和孔徑，因此很難確定控制不同 MOF 家族穩定性的因素，”Nandy 說。“我們的模型使研究人員能夠對現有或新材料進行預測，其中許多尚未完成。”

研究人員已經在線提供了他們的數據和模型 。對使用這些模型感興趣的科學家可以獲得使現有 MOF 更穩定的策略建議，他們還可以添加自己的數據和對模型預測的反饋。

麻省理工學院的團隊現在正在使用該模型來嘗試識別可用于催化甲烷氣體轉化為可用作燃料的甲醇的 MOF。Kulik 還計劃使用該模型創建一個新的假設 MOF 數據集，該數據集之前尚未構建，但預計具有高穩定性。然后，研究人員可以篩選該數據集的各種屬性。

“人們對 MOF 感興趣，例如量子傳感和量子計算，各種不同的應用，你需要以這種原子精確的方式分布金屬，??”Kulik 說。