性欧美xxx,在线观看,解开了她的乳峰摸了上去视频

npj Comput. Mater.: MOF吸附特性描述符及其在順序學習優化中的應用

金屬有機框架（MOF）是由金屬離子和有機連接體組成的結晶化合物，其特點是孔隙率可調和表面積高。基于其特性，MOFs最近在廣泛的不同領域引起了極大關注。由于MOF結構和組成的無數自由度，已假設超過100萬億種化合物，而迄今為止已合成近100000種。因此，MOFs需要適當和有效的方法來根據每個特定應用中感興趣的目標特性來定制其特性。

在此，意大利都靈理工大學Eliodoro Chiavazzo等人專注于用于能源應用的金屬MOF內的氣體吸附，并確定了支撐MOF對CO₂和H₂O最重要特性的最小晶體描述符集。

其中，每一個最小描述符集都可被視為給定屬性的遺傳密碼，其識別過程如下所示：首先，作者從最近開發的由計算生成的8206種化合物組成的庫中整理和增強MOF數據，代表給定材料的每個晶體學信息文件（CIF）首先通過考慮化學和結構參數的1557 個經典力場啟發描述符（CFID）進行特征化。

隨后，作者訓練和驗證了蓄熱應用中涉及的目標屬性（如亨利系數和工作吸附容量）的回歸模型，這些模型通過基于隨機森林的管道獲得并在五折交叉驗證中進行了超參數調整。此外，通過Tree SHAP解釋算法評估每個特征對模型輸出的重要性，最終對最小描述符集進行排序和選擇。

圖1. MOF中吸附特性的特征重要性排序

在識別上述MOF中吸附特性的晶體遺傳密碼后，作者進一步研究了其在使用順序學習（SL）算法時的作用。因此，作者比較了旨在最大化H₂O和CO₂亨利系數及CO₂工作吸附容量的3種不同SL方法的性能：

a）用于順序學習的具有不確定性估計的隨機森林（FUELS）；

b）克里金算法；

c）通用貝葉斯優化庫（COMBO）。

重要的是，作者基于最小的特征子集和更大的變量集來分析SL性能，以突出描述符的識別如何影響所需的最小實驗數量，從而挑選出具有所需屬性的最高值的MOF。因此，作者制定了一個通用且有效的假設MOF計算篩選程序，該程序僅依賴于吸附特性（只需訪問單個水亨利系數值和比表面積）且能夠估計基于吸附的季節性熱能存儲的重要品質因數（材料的比能量）。總之，這項研究代表了朝著有效MOF篩選和優化邁出的重要一步。

圖2. MOF的三種吸附特性在SL算法中的應用

Minimal crystallographic descriptors of sorption properties in hypothetical MOFs and role in sequential learning optimization, npj Computational Materials 2022. DOI: 10.1038/s41524-022-00806-7

原創文章，作者：v-suan，如若轉載，請注明來源華算科技，注明出處：http://www.zzhhcy.com/index.php/2023/10/07/515e0936e5/

末成年小嫩xb,嫰bbb槡bbbb槡bbbb,免费无人区码卡密,成全高清mv电影免费观看

npj Comput. Mater.: MOF吸附特性描述符及其在順序學習優化中的應用

相關推薦