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
………………………………