Optimizing Methane Uptake on N/O Functionalized Graphene via DFT, Machine Learning, and Uniform Manifold Approximation and Projection (UMAP) Techniques
Notice bibliographique
Résumé
Carbon materials possess active sites and functionalities on the surface that can attract prominent interest as solid adsorbents for diverse gas adsorption. This study aimed to predict the optimized methane uptake, adsorption energy ( E ad ), and adsorbent rediscovery through multitechniques of neural, regression, classifier ML-DFT, and Uniform Manifold Approximation and Projection (UMAP). Nitrogen and oxygen (N/O) functionalities and graphene, graphene oxide (GO), and N-doped GO were applied to the methane storage medium. Multi-ML algorithms were employed for the adsorption energy of CH 4 uptake on (i) N/O functionalities such as pyridinic (N- py ), carboxyl (O–II), oxidized (N- x ), hydroxyl (O- h ), Nitroso (N- ni ), and Amine (primary, secondary, and tertiary). (ii) The graphene surfaces are decorated with N/O heteroatoms to construct graphene oxide (GO) and N-doped GO. The DFT calculations were applied by PW91 and the Dmol 3 package. N/O-functionalities in the distance of ∼2.0 to 3.1 Å groups obtained E ad of approximately −2.0 to −4 eV. Further, ML models accomplished the forthcoming rediscovery of CH 4 physisorption by using the multiadsorptive features of optimized adsorbents with an R 2 of 0.99. ML-derived sensitivity analysis approach was applied to specifications such as deformation adsorption energy, N/O functionality type, and optimized structure. CH 4 adsorption specifications indicate sensitivity levels of −0.03 to 0.02 eV. The synergetic DFT/ML approaches distinguished the modeled and rediscovered phases of CH 4 adsorption on N/O functional groups and graphene structures. UMAP is employed as a new adsorbent screening approach to play a complementary role in the ML modeling process.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 source (Gemma direct ou Codex distillé), 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 ».