基于MOFid赋能下的AI大数据挖掘高性能化学战剂吸附材料

翁惠琼a，黄河a，王雯菲a，李和国b，李晓鹏b，张守鑫b，李树华a，赵越b，吴玉芳a，乔智威a(a 广州大学化学化工学院, 能源与催化研究所)(b 核生化灾害防护化学全国重点实验室)

摘要：为高效捕获对人类健康与环境构成严重威胁的低浓度化学战剂及模拟物, 本研究依托AI 大数据驱动的高通量计算筛选策略, 针对数万种金属有机框架(Metal-organic Framework, MOF)吸附材料数据库进行系统分析, 精准评估低浓度化学战剂在空气中的捕获性能. 引入选择性与吸附容量的权衡值(TSN)作为综合指标, 结合六种算法(决策树、随机森林、梯度提升回归树、极端梯度提升(Extreme Gradient Boosting, XGB)、反向传播神经网络和轻梯度提升机)构建预测模型, 结果表明XGB 算法的预测效果最佳(R2 可达0.923). 随后, 将XGB 算法与MOFid 标准化标识符相结合, 采用大数据筛选挖掘方法对TOP1%高性能MOFs 进行结构共性解析, 发现开放过渡金属位点与刚性有机配体的协同作用有助于增强化学战剂的吸附亲和力; 同时, 特定拓扑的高出现频率证明了可通过形成有效的孔隙结构来增益吸附作用.本研究通过MOFid 赋能下的AI 大数据挖掘技术为优化MOF 吸附性能和筛选高效材料提供了关键指导, 助力空气中痕量化学战剂的高效捕获.

关键词：AI 大数据挖掘; MOFid; 高通量筛选; 化学战剂; 机器学习; 分子模拟; 金属有机框架