7月2日，林業(yè)工程學(xué)科綠色家居材料團(tuán)隊在國際材料領(lǐng)域頂級期刊《ACS Nano》（中科院1區(qū)，IF=15.8）在線發(fā)表題為“Efficient Removal of Greenhouse Gases: Machine Learning-Assisted Exploration of Metal?Organic Framework Space”（機(jī)器學(xué)習(xí)賦能面向溫室氣體去除的金屬有機(jī)骨架）的綜述論文。第一作者是該團(tuán)隊碩士研究生辛瑞麒，通訊作者為浙江農(nóng)林大學(xué)朱文凱，合作作者包括河南城建學(xué)院王超海教授、毛艷麗教授以及昆士蘭大學(xué)Yusuke Yamauchi教授。浙江農(nóng)林大學(xué)化學(xué)與材料工程學(xué)院為該論文第一單位和通訊作者單位。
該綜述論文全面總結(jié)了近年來機(jī)器學(xué)習(xí)作為輔助工具篩選高性能MOFs用于溫室氣體去除的研究進(jìn)展和展望，系統(tǒng)提供了機(jī)器學(xué)習(xí)、MOFs、溫室氣體去除三者的關(guān)系（圖1），其中涵蓋了機(jī)器學(xué)習(xí)在篩選MOFs時的一般工作流程和一些常見算法的介紹，重點(diǎn)總結(jié)了機(jī)器學(xué)習(xí)輔助篩選高溫室氣體去除性能的MOFs的應(yīng)用。該工作有望為室內(nèi)家居污染物的去除提供了新的解決方案，同時為綠色家居材料的設(shè)計指明了發(fā)展方向。
圖1 圖形摘要
該綜述囊括了各種機(jī)器學(xué)習(xí)方法篩選MOFs在溫室氣體去除中的應(yīng)用，其中包括監(jiān)督學(xué)習(xí)，無監(jiān)督學(xué)習(xí)到半監(jiān)督學(xué)習(xí)等，這些算法分別被用于不同的場景。由于溫室氣體是導(dǎo)致全球變暖的主要原因，有效地控制和去除溫室氣體，是科學(xué)界和工業(yè)界關(guān)注的焦點(diǎn)。該綜述探究了機(jī)器學(xué)習(xí)輔助篩選MOFs在常見溫室氣體（CO2，CH4和SF6）去除中的應(yīng)用。通過一系列的數(shù)據(jù)預(yù)處理、模型選擇、訓(xùn)練、預(yù)測，實(shí)現(xiàn)對具有高溫室氣體去除性能的MOFs篩選。此外，本文梳理了機(jī)器學(xué)習(xí)在輔助MOFs篩選的實(shí)際應(yīng)用中遇到的數(shù)據(jù)集質(zhì)量低、可解釋性低等問題的解決路徑。同時，提出了使用機(jī)器學(xué)習(xí)在MOFs篩選時可加入實(shí)驗(yàn)失敗數(shù)據(jù)，以更好的完善實(shí)驗(yàn)。論文最后列舉了機(jī)器學(xué)習(xí)輔助篩選具有高溫室氣體去除性能MOFs的關(guān)鍵研究挑戰(zhàn)，并提出了相應(yīng)的發(fā)展展望（圖2）。
圖2 機(jī)器學(xué)習(xí)輔助篩選高性能的目標(biāo)MOF
（化材學(xué)院 朱文凱）
浙ICP備11046845號-1 浙公網(wǎng)安備33018502001115號 