華中科技大學李松課題組，利用機器學習預測多孔材料水吸附等溫線

AIGC動態(tài)歡迎閱讀

原標題：華中科技大學李松課題組，利用機器學習預測多孔材料水吸附等溫線

關鍵字：等溫線,吸附劑,模型,結構,數(shù)據(jù)

文章來源：HyperAI超神經(jīng)

內(nèi)容字數(shù)：10158字

內(nèi)容摘要：By 超神經(jīng)多孔材料的水吸附等溫線是一個非常重要的參數(shù)，但這一參數(shù)的獲得并不容易。這是因為多孔材料種類過多、結構多元，通過實驗和計算的方式獲得水吸附等溫線數(shù)據(jù)成本過高，耗時過長。華中科技大學的李松課題組，建立了一個兩步機器學習模型，訓練 AI 通過材料的結構參數(shù)預測水吸附等溫線參數(shù)和后續(xù)應用性能。作者｜加零編輯｜雪菜、李慧、三羊在水凈化、水脫鹽、水收集和吸附熱轉(zhuǎn)換等過程中，多孔材料有著巨大的應用。這些吸附驅(qū)動應用中，諸如表面親水性、解吸滯后性和吸水性等結構特性，都可能影響多孔材料的性能。這些結構特性都可以從水吸附等溫線 (water adsorption isotherms) 中獲得。那么，如何獲得材料的水吸附等溫線呢？如果以實驗的方式，獲得幾種吸附劑的水吸附等溫線并不困難，但多孔材料種類眾多，如劍橋結構數(shù)據(jù)庫中已錄入 10 萬余種多孔材料數(shù)據(jù)，對它們一一合成和測試顯然是不合理的。如果以計…

原文鏈接：點此閱讀原文：華中科技大學李松課題組，利用機器學習預測多孔材料水吸附等溫線

聯(lián)系作者

文章來源：HyperAI超神經(jīng)

作者微信：HyperAI

作者簡介：解構技術先進性與普適性，解讀更前沿的 AIForScience 案例