AIGC動態(tài)歡迎閱讀

原標(biāo)題：有效識別63萬個三維空間構(gòu)型，清華大學(xué)牽頭發(fā)布Uni-MOF模型，預(yù)測MOF吸附能力
關(guān)鍵字：材料,氣體,解讀,材料科學(xué),性能
文章來源：大數(shù)據(jù)文摘
內(nèi)容字?jǐn)?shù)：7868字

內(nèi)容摘要：

大數(shù)據(jù)文摘授權(quán)轉(zhuǎn)載自HyperAI超神經(jīng)
作者：梅菜
編輯：李寶珠，三羊工業(yè)世界里，高純氣體被廣泛應(yīng)用于半導(dǎo)體制造、光纖生產(chǎn)、科學(xué)研究、醫(yī)療健康、環(huán)保能源等諸多領(lǐng)域。例如，半導(dǎo)體行業(yè)，高純氣體是芯片制造的關(guān)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(guān)鍵挑戰(zhàn)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(jī)框架 (MOFs) 由于具有高度有序的孔結(jié)構(gòu)和可調(diào)節(jié)的孔徑大小，在氣體吸附存儲與分離方面展現(xiàn)出巨大的應(yīng)用潛力。相關(guān)人士預(yù)測，MOFs 對 21 世紀(jì)的重要性可能與塑料對 20 世紀(jì)的重要性一樣。
然而準(zhǔn)確預(yù)測 MOFs 吸附能力仍面臨諸多挑戰(zhàn)，針對這一問題，清華大學(xué)化工系盧滇楠教授團(tuán)隊，聯(lián)合美國加州大學(xué)河濱分校吳建中教授和北京科學(xué)智能研究院高志鋒研究員，近日在 nature communications 發(fā)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(gòu)型，清華大學(xué)牽頭發(fā)布Uni-MOF模型，預(yù)測MOF吸附能力

聯(lián)系作者

文章來源：大數(shù)據(jù)文摘
作者微信：BigDataDigest
作者簡介：普及數(shù)據(jù)思維，傳播數(shù)據(jù)文化