近日，化工学科TOP期刊《Chemical Engineering Journal》（中国科学院一区，IF=13.273）发表了题为“Machine-Learning-Assisted High-Throughput Computational Screening of Metal–Organic Framework Membranes for Hydrogen Separation”的研究论文。学院刘芝婷博士、王邦芬博士后和乔智威教授为通讯作者，研究生白湘宁为第一作者，太阳成集团tyc151为第一单位。

氢气是一种清洁、高效、可替代化石燃料的能源。金属-有机骨架膜(MOFM)由于其高比表面积、孔隙率、可调控的孔道环境，在气体分离领域表现出巨大潜力。然而MOF的组装方式决定了MOF的种类繁多，用实验方法一一测试MOFM的氢气分离性能是耗时费力的。

该工作采用高通量计算筛选方法来加快搜索具有优异分离氢气性能的MOFM。具体是先通过分子模拟手段计算MOF的结构特征与气体分离性能，再建立机器学习模型来预测分离性能、预测MOF最优特征值、挖掘特征与性能之间的关系。最终筛选的MOFM性能远超Robeson聚合物膜分离上界，而与实验结果的比较证实了机器学习模型预测的准确性。

该研究获得了广东省青年拔尖人才计划、国家自然科学基金、广东省自然科学基金等科研项目的支持。

论文链接：

https://doi.org/10.1016/j.cej.2022.136783