Atomic Property Weighted Radial Distribution Functions Descriptors of Metal–Organic Frameworks for the Prediction of Gas Uptake Capacity
Notice bibliographique
Résumé
Metal–organic frameworks (MOFs) are porous materials with exceptional host–guest properties with huge potential for gas separation. The combinatorial design of MOFs demands the in silico screening of the nearly infinite combinations of structural building blocks using efficient computational tools. We report here a novel atomic property weighted radial distribution function (AP-RDF) descriptor tailored for large-scale Quantitative Structure–Property Relationship (QSPR) predictions of gas adsorption of MOFs. A total of ∼58,000 hypothetical MOF structures were used to calibrate correlation models of the methane, N 2, and CO 2 uptake capacities from grand-canonical Monte Carlo (GCMC) simulations. The principal component analysis (PCA) transform of the AP-RDF descriptors exhibited good discrimination of MOF inorganic SBUs, geometrical properties, and more surprisingly gas uptake capacities. While the simulated uptake capacities correlated poorly to the void fraction, surface area, and pore size, the newly introduced AP-RDF scores yielded outstanding QSPR predictions for an external test set of ∼25,000 MOFs with R 2 values in the range from 0.70 to 0.82. The accuracy of the predictions decreased at low pressures, mainly for MOFs with V 2 O 2 or Zr 6 O 8 inorganic structural building units (SBUs) and organic SBUs with fluorine substituents. The QSPR models can serve as efficient filtering tools to detecting promising high-performing candidates at the early stage of virtual high-throughput screening of novel porous materials. The predictive models of the gas uptake capacities of MOFs are available online via our MOF informatics analysis (MOFIA) tool.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».