有效識別63萬個三維空間構型，清華大學牽頭發布Uni-MOF模型，預測MOF吸附能力

AIGC動態歡迎閱讀

原標題：有效識別63萬個三維空間構型，清華大學牽頭發布Uni-MOF模型，預測MOF吸附能力
關鍵字：材料,氣體,解讀,材料科學,性能
文章來源：大數據文摘
內容字數：7868字

內容摘要：

大數據文摘授權轉載自HyperAI超神經
作者：梅菜
編輯：李寶珠，三羊工業世界里，高純氣體被廣泛應用于半導體制造、光纖生產、科學研究、醫療健康、環保能源等諸多領域。例如，半導體行業，高純氣體是芯片制造的關鍵原材料，直接影響著集成電路的性能和良率。
制備高純氣體的關鍵挑戰便是氣體分離，常見的氣體分離方法有深冷法（精餾原理）、吸附法（分子極性）、膜法（膜過濾）等。其中，金屬有機框架 (MOFs) 由于具有高度有序的孔結構和可調節的孔徑大小，在氣體吸附存儲與分離方面展現出巨大的應用潛力。相關人士預測，MOFs 對 21 世紀的重要性可能與塑料對 20 世紀的重要性一樣。
然而準確預測 MOFs 吸附能力仍面臨諸多挑戰，針對這一問題，清華大學化工系盧滇楠教授團隊，聯合美國加州大學河濱分校吳建中教授和北京科學智能研究院高志鋒研究員，近日在 nature communications 發布了題為「A comprehensive transformer-based approach for high-accuracy gas adsorption predictions in metal-orga

原文鏈接：有效識別63萬個三維空間構型，清華大學牽頭發布Uni-MOF模型，預測MOF吸附能力

聯系作者

文章來源：大數據文摘
作者微信：BigDataDigest
作者簡介：普及數據思維，傳播數據文化