<i>Ab Initio</i> Prediction of Metal-Organic Framework Structures
Notice bibliographique
Résumé
Metal-organic frameworks (MOFs) have emerged as highly versatile materials with applications in gas storage and separation, solar light energy harvesting and photocatalysis. The design of new MOFs, however, has been hampered by the lack of computational methods for ab initio MOF structure prediction, which could be used to inspire and direct experimental synthesis. Here, we report the first ab initio method for the prediction of MOF structures and test it against a diverse set of known MOFs that were chosen for their differences in topology, metal coordination geometry, and ligand binding sites. In all cases, our calculations produced structures that match experiment using only the target composition and ligand molecular structure, proving the versatility of our procedure. The herein presented methodology utilizes the point group symmetry of ligands to enable, for the first time, prediction of MOF structures from first principles, without having to resort to empirical guidelines based on rigid connectivity of nodes and linkers, or to previously determined crystal structures and topologies of known MOFs. This advance provides the first tool to change MOF design from an empirically based process that is based on chemistʼs intuition rooted in literature- or database-established knowledge of node-and-linker connectivity to a more general and theory-driven materials development. This ab initio MOF structure prediction approach, which is here validated on a range of known MOF classes, provides a unique opportunity to explore the phase landscape of MOFs computationally and enables MOF research and development even in case of limited access to laboratory resources, as for example in case of a global pandemic.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,031 | 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 ».