南京大学ES&T丨机器学习辅助探索吡啶基聚合物材料用于有效去除ReO4−

文章预览

第一作者: 袁岭 博士研究生 通讯作者: 张炜铭 教授 通讯单位: 南京大学 摘  要 有效捕获 99 TcO 4 − 是核废物管理的重点。对于实验室操作，ReO 4 − 用作 99 TcO 4 − 的非放射性替代品，以开发用于环境修复的高性能吸附剂。然而，新型吸附剂的传统设计主要是由科学家的化学直觉和实验方法驱动，效率低下。本工作提出了机器学习（ML）辅助的材料基因组方法（MGA）来精确设计高效吸附剂。建立ML模型，从吸附剂结构和溶剂环境中准确预测吸附容量，从而预测和筛选MGA获得的2450虚拟吡啶聚合物，发现卤素功能化可以提高其吸附效率。通过该方法合成了两种卤化功能吡啶聚合物（F−C−CTF和Cl−C−CTF），它们表现出优异的耐酸/碱性能和对ReO 4 − 的选择性。吸附容量达到940.13（F−C−CTF）和732.74 mg/g (Cl−C−CTF)，优于大多数报道的吸附剂。通过实验和密 ………………………………