期刊文献+
任意字段
题名或关键词
题名
关键词
文摘
作者
第一作者
机构
刊名
分类号
参考文献
作者简介
基金资助
栏目信息
共找到2篇文章
< 1 >
每页显示 20 50 100
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
显示方式：
预测金属有机骨架甲烷和氢气输送能力的迁移学习建模
1
作者 陈少臣 程敏 +6 位作者 王诗慧 吴金奎 罗磊 薛小雨 吉旭 张长春 周利 《高等学校化学学报》 SCIE EI CAS CSCD 北大核心 2023年第2期161-171,共11页
基于深度神经网络(DNN)和迁移学习(TL),使用少量数据建立TL模型,精准预测了金属有机骨架(MOFs)的甲烷和氢气输送性能.首先,使用8414个MOFs在298 K/65 bar~298 K/5.8 bar(1 bar=0.1 MPa)条件下的甲烷输送数据训练一个决定系数(R^(2))为0.... 基于深度神经网络(DNN)和迁移学习(TL),使用少量数据建立TL模型,精准预测了金属有机骨架(MOFs)的甲烷和氢气输送性能.首先,使用8414个MOFs在298 K/65 bar~298 K/5.8 bar(1 bar=0.1 MPa)条件下的甲烷输送数据训练一个决定系数(R^(2))为0.973的DNN[源任务(ST)模型].随后,将ST模型的部分参数冻结,使用100个MOFs在233 K/65 bar~358 K/5.8 bar条件下的甲烷输送数据和100个MOFs在198 K/100 bar~298 K/5 bar条件下的氢气输送数据分别微调ST模型,进行TL建模.结果表明,两个TL模型的R2分别为0.968和0.945,均高于其它5个传统的ML模型.所开发的TL模型在预测小数据集时具有高精度与高稳定性.最后,使用排列特征重要度方法来计算描述符重要度,明确了模型之间的“知识”共享情况,并在此基础上探讨了重要描述符和输送能力之间的关系. 展开更多
关键词 金属有机骨架 甲烷与氢气 输送能力 深度神经网络 迁移学习 排列特征重要度
下载PDF
高性能COF材料的高通量筛选策略:己烷异构体分离 被引量：2
2
作者 叶诗洋 程敏 +5 位作者 吉旭 戴一阳 党亚固 毕可鑫 赵志伟 周利 《化工学报》 EI CSCD 北大核心 2022年第11期5138-5149,共12页
己烷异构体中双支链异构体的分离可以提高汽油的辛烷值从而减少发动机的爆震现象。针对传统的蒸馏方法耗能高和新型吸附剂金属有机框架成本高、工作能力低、稳定性差的缺点,采用高通量计算筛选方法研究了688种共价有机框架(COFs)对己烷... 己烷异构体中双支链异构体的分离可以提高汽油的辛烷值从而减少发动机的爆震现象。针对传统的蒸馏方法耗能高和新型吸附剂金属有机框架成本高、工作能力低、稳定性差的缺点,采用高通量计算筛选方法研究了688种共价有机框架(COFs)对己烷异构体的分离性能。首先计算了所有COF的几何结构描述符,通过限制孔径(PLD)6.2~15A的范围筛选出209个可容纳所有己烷异构体的COF,再利用巨正则Monte Carlo(GCMC)方法模拟433 K下上述COF对己烷异构体的吸附解吸过程。对再生能力R>80%且吸附性能分值(APS)最高的COF进行排序,筛选出具有最高APS值的COF-DL2292-fold,APS值为23.36 mol/kg,R为99.38%。分析了6个几何结构描述符与APS的相关性,发现对于COF来说较高的孔隙率(VF)、较高的孔隙体积(PV)、较低的密度(ρ)可提高COF的APS值。最后基于PV、VF、ρ利用决策树算法设计出高APS值COF的筛选路径,研究工作对今后设计用于己烷异构体吸附分离的COF具有一定的指导意义。 展开更多
关键词 己烷异构体分离 共价有机框架 分子模拟 高通量计算筛选 结构-性能关系 吸附 分离
下载PDF
已选择0条
导出题录 引用分析
参考文献
引证文献
 统计分析
检索结果
已选文献
上一页 1 下一页 到第 页
使用帮助 返回顶部