【文章推荐】机器学习辅助的MOFs智能合成：破解缺陷构筑与稳定性之间的“跷跷板”效应难题

文章预览

扫描二维码查看期刊主页和文章原文 文章引用： Lin J, Ban T, Li T, et al.Machine-learning-assisted intelligent synthesis ofUiO-66(Ce): balancing the trade-off betweenstructural defects and thermal stability for efficienthydrogenation of Dicyclopentadiene. MGE Advances.2024;2(3):e61.  https://doi.org/10.1002/mgea.61 文章摘要 金属有机骨架（Metal-Organic Frameworks，MOFs）作为一类新兴的多孔晶体材料，具有比表面积高、孔径可调和可设计性强等特性，在催化、气体吸附与分离、能量存储以及众多其他领域受到了广泛关注。在MOFs中构筑缺陷能够引入额外的活性位点，但不可避免地伴随材料稳定性的降低。因此，如何在确保MOFs结构稳定性的前提下，恰到好处地引入适量缺陷，成为亟待解决且极具挑战性的课题。为在高维化学空间中快速锁定MOFs缺陷密度和热稳定性“平衡点”的最佳合成参数，以典型稀土MOFs—UiO-66(Ce) ………………………………